融合顏色屬性和形變模型的不良圖像檢測(cè)方法研究.pdf

1、4G移動(dòng)互聯(lián)網(wǎng)時(shí)代的來(lái)臨使網(wǎng)絡(luò)進(jìn)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(lái)了很多社會(huì)問(wèn)題。因此,對(duì)網(wǎng)絡(luò)中不良圖像的檢測(cè)與過(guò)濾的研究迫在眉睫。本文在分析現(xiàn)有方法的優(yōu)缺點(diǎn)的基礎(chǔ)上,訓(xùn)練人體敏感器官模型對(duì)不良圖像進(jìn)行判定,主要研究成果如下:
　　傳統(tǒng)的不良圖像檢測(cè)算法是先檢測(cè)膚色再對(duì)感興趣區(qū)域進(jìn)行分析,其對(duì)膚色檢測(cè)準(zhǔn)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(xùn)練,進(jìn)行不良圖像

2、檢測(cè)。該方法采用目標(biāo)的梯度方向直方圖特征,利用隱含支撐向量機(jī)訓(xùn)練多尺度和可形變的物體檢測(cè)模型,實(shí)驗(yàn)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(cè)率上并沒(méi)有優(yōu)勢(shì),但是該方法極大的降低了對(duì)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(diǎn),本文將顏色屬性特征引入形變模型,同時(shí)利用敏感器官的顏色和梯度分布特征進(jìn)行敏感器官模型的訓(xùn)練。本文采用顏色屬性的方法對(duì)顏色信息進(jìn)行訓(xùn)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(jī)訓(xùn)練多尺度和可形變的敏感器官檢測(cè)模型。實(shí)驗(yàn)部分先用訓(xùn)練出的三種人體敏感器官模型進(jìn)行單獨(dú)測(cè)試,然后融合三種模板進(jìn)行不良信息的判定。實(shí)驗(yàn)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(cè)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(cè)方法對(duì)敏感器官的漏檢,從而在提高檢測(cè)準(zhǔn)確性的同時(shí)降低了誤檢率。為不良圖像檢測(cè)的理論研究和應(yīng)用推廣提供了有效的