融合顏色屬性和形變模型的不良圖像檢測方法研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、4G移動互聯(lián)網(wǎng)時代的來臨使網(wǎng)絡(luò)進一步融入人們的生活,然而,網(wǎng)絡(luò)中不良圖像的傳播與泛濫卻帶來了很多社會問題。因此,對網(wǎng)絡(luò)中不良圖像的檢測與過濾的研究迫在眉睫。本文在分析現(xiàn)有方法的優(yōu)缺點的基礎(chǔ)上,訓練人體敏感器官模型對不良圖像進行判定,主要研究成果如下:
  傳統(tǒng)的不良圖像檢測算法是先檢測膚色再對感興趣區(qū)域進行分析,其對膚色檢測準確性的依賴程度太高。因此,本文提出將基于形變模型的算法應(yīng)用于不良圖像中人體敏感器官模型的訓練,進行不良圖像

2、檢測。該方法采用目標的梯度方向直方圖特征,利用隱含支撐向量機訓練多尺度和可形變的物體檢測模型,實驗結(jié)果表明:該方法相比于傳統(tǒng)的基于詞袋模型的方法在檢測率上并沒有優(yōu)勢,但是該方法極大的降低了對不良圖像的誤檢率。
  考慮到不良圖像的敏感器官的顏色分布具有一致性的特點,本文將顏色屬性特征引入形變模型,同時利用敏感器官的顏色和梯度分布特征進行敏感器官模型的訓練。本文采用顏色屬性的方法對顏色信息進行訓練,并將顏色信息與梯度方向直方圖特征相

3、融合,最后利用隱含支撐向量機訓練多尺度和可形變的敏感器官檢測模型。實驗部分先用訓練出的三種人體敏感器官模型進行單獨測試,然后融合三種模板進行不良信息的判定。實驗結(jié)果表明:該方法相比于傳統(tǒng)的基于詞袋模型的方法,檢測率提高了6%,誤檢率降低了18%。
  上述研究成果融合了膚色和梯度分布的特征,這可以有效的避免傳統(tǒng)的基于膚色檢測方法對敏感器官的漏檢,從而在提高檢測準確性的同時降低了誤檢率。為不良圖像檢測的理論研究和應(yīng)用推廣提供了有效的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論