網(wǎng)絡(luò)不良圖像檢測關(guān)鍵技術(shù)研究.pdf

1、隨著信息時代的急速發(fā)展,互聯(lián)網(wǎng)成為人們進行信息交流與傳播的最便捷和最重要的工具,但是不良信息也開始在互聯(lián)網(wǎng)上擴散和傳播并成為人們關(guān)注的熱點。
　　詞袋模型不僅用于文檔分類領(lǐng)域,而且近年來已應(yīng)用到圖像處理和識別領(lǐng)域。本文針對現(xiàn)有不良圖像檢測方法的不足,開展了網(wǎng)絡(luò)不良圖像檢測關(guān)鍵技術(shù)研究,建立了網(wǎng)絡(luò)不良圖像檢測新方法,其論文的主要工作包括:
　　(1)結(jié)合閾值分割理論改進了基于貝葉斯判別的膚色檢測模型,并通過實驗對比,驗證了改進

2、后的膚色檢測模型對膚色區(qū)域檢測的有效性。
　　(2)改進了SIFT(Scale Invariant Feature Transform,SIFT)特征描述子,建立了基于雙尺度US-SIFT(Uniform Sampling SIFT,US-SIFT)特征描述子,該特征描述子相比較于傳統(tǒng)的SIFT特征描述子,圖像特征點的獲取方法更為簡單,得到的特征點數(shù)量更多,能夠更加充分的利用圖像的信息進行不良圖像檢測,通過實驗對比驗證了US-SI

3、FT描述子的有效性,且對采樣間隔進行了最優(yōu)參數(shù)選取,使其在保證效率的同時提高圖像特征提取的準確率。
　　(3)改進了傳統(tǒng)的視覺詞袋構(gòu)造方法,通過實際計算來選取恰當?shù)木垲愔行?利用三角形三邊關(guān)系定理對聚類計算過程進行簡化,通過實驗分析了視覺詞袋的大小與視覺單詞之間耦合度的關(guān)系,并通過實驗驗證了改進后的視覺詞袋構(gòu)造方法獲取圖像視覺詞袋的準確性更高、耗時更少。
　　(4)借助SVM(Support Vector Machine,S