基于顏色注意機制的不良圖像檢測.pdf

1、隨著信息技術(shù)及互聯(lián)網(wǎng)技術(shù)的發(fā)展,人們更加易于獲取大量的有用信息,但是淫穢、色情等不良信息的傳播干擾了正常的網(wǎng)絡體驗,嚴重危害著青少年的身心健康,帶來了嚴重的社會問題。因此,不良圖像過濾技術(shù)成為了一個重要且亟待解決的研究課題,引起了研究人員的關(guān)注。本文針對不良圖像檢測相關(guān)技術(shù)進行了深入研究,論文工作涉及到計算機視覺和統(tǒng)計機器學習的相關(guān)理論,研究成果可以為打擊色情圖像傳播提供技術(shù)支持,主要研究成果如下:
　　1.基于最穩(wěn)定極值區(qū)域分析

2、的膚色檢測算法在膚色距離圖像上分析膚色,算法采用的紋理映射距離基于灰度的歐式距離,易導致膚色提取的不準確。針對以上不足,本文采用最優(yōu)近鄰差異測度來度量圖像相鄰像素的紋理相似性,在最穩(wěn)定顏色區(qū)域算法中引入膚色測度,提出了最穩(wěn)定膚色區(qū)域檢測算法,并在中科院計算所膚色數(shù)據(jù)庫上對算法進行了測試,測試結(jié)果優(yōu)于基于最穩(wěn)定極值區(qū)域分析的膚色檢測算法,在假陽性率為8.2％的條件下,真陽性率提高4%。
　　2.不良圖像的復雜性使基于低層特征描述的不

3、良圖像檢測算法具有較高的假陽性率,詞袋模型因其在語義描述上的優(yōu)勢成為不良圖像檢測極具潛力的發(fā)展方向之一。鑒于詞袋模型常采用的尺度不變特征變換特征未包含顏色信息,而顏色信息是不良圖像的判別的重要線索,為此,本文提出了結(jié)合顏色注意和詞袋模型的不良圖像檢測算法,分析三種顏色和形狀字典融合方法的優(yōu)劣,并在數(shù)據(jù)庫上進行了測試,在假陽性率為20%的條件下,較傳統(tǒng)的基于詞袋模型的不良圖像檢測算法,真陽性率由80%提高到93.2%。
　　3.為了