不良圖片過濾系統(tǒng)的研究與實現(xiàn).pdf

1、近幾年，隨著智能手機和平板電腦等移動終端的應用，移動互聯(lián)網(wǎng)取得了飛速發(fā)展，圖片成了人們日常生活中交互最為頻繁的數(shù)據(jù)類型之一。由于不良圖片的危害巨大，因此網(wǎng)絡內容安全越來越多地被人們關注?；趦热莸膱D片過濾技術直接從圖片的內容出發(fā)，相比于其他方法具有更好的識別率、適應性和實時性，已成為該領域的一大研究熱點。本文從不良圖片的內容特征出發(fā)，基于機器學習和模式識別技術，設計并實現(xiàn)了一個完整的不良圖片過濾系統(tǒng)。
　　 全文首先根據(jù)不良圖片

2、的內容特征，從膚色識別和語義分析兩個方向，分別介紹了當前國內外的研究現(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、適應性和實時性方面都有著各自的優(yōu)勢和不足，因此本文在改進Bayesian和AdaBoost等算法的基礎上，把紋理分析、Bayesian模型、CascadedAdaBoost級聯(lián)分類器和顏色直方圖四個模

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