不良圖片過濾系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、近幾年，隨著智能手機(jī)和平板電腦等移動(dòng)終端的應(yīng)用，移動(dòng)互聯(lián)網(wǎng)取得了飛速發(fā)展，圖片成了人們?nèi)粘Ｉ钪薪换プ顬轭l繁的數(shù)據(jù)類型之一。由于不良圖片的危害巨大，因此網(wǎng)絡(luò)內(nèi)容安全越來越多地被人們關(guān)注?；趦?nèi)容的圖片過濾技術(shù)直接從圖片的內(nèi)容出發(fā)，相比于其他方法具有更好的識別率、適應(yīng)性和實(shí)時(shí)性，已成為該領(lǐng)域的一大研究熱點(diǎn)。本文從不良圖片的內(nèi)容特征出發(fā)，基于機(jī)器學(xué)習(xí)和模式識別技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)完整的不良圖片過濾系統(tǒng)。
　　 全文首先根據(jù)不良圖片

2、的內(nèi)容特征，從膚色識別和語義分析兩個(gè)方向，分別介紹了當(dāng)前國內(nèi)外的研究現(xiàn)狀，并著重分析了樸素Bayesian、色度平面規(guī)劃和灰度共生矩陣等幾種基于像素點(diǎn)和區(qū)域的膚色分割算法，以及SVM和AdaBoost等語義分析算法。由于這些算法在識別精度、適應(yīng)性和實(shí)時(shí)性方面都有著各自的優(yōu)勢和不足，因此本文在改進(jìn)Bayesian和AdaBoost等算法的基礎(chǔ)上，把紋理分析、Bayesian模型、CascadedAdaBoost級聯(lián)分類器和顏色直方圖四個(gè)模

3、塊有機(jī)地組合起來，設(shè)計(jì)了一種實(shí)時(shí)高效的不良圖片過濾系統(tǒng)。大量的實(shí)驗(yàn)數(shù)據(jù)和性能分析表明，該系統(tǒng)能夠較好地滿足實(shí)際需求，并在提高適應(yīng)性和降低誤檢率方面有著突出的貢獻(xiàn)。
　　 最后，本文基于Matlab、OpenCV和MFC實(shí)現(xiàn)了上述系統(tǒng)，主要功能分為訓(xùn)練和測試。其中對Bayesian模型的訓(xùn)練是在Matlab平臺下實(shí)現(xiàn)的，相應(yīng)的庫文件以“.txt”文件形式讀寫;而對級聯(lián)分類器的訓(xùn)練則是基于OpenCV來完成的，訓(xùn)練的各級強(qiáng)分類器則以