基于圖像內(nèi)容的網(wǎng)絡(luò)不良圖像檢測(cè)技術(shù)研究.pdf

1、現(xiàn)代網(wǎng)絡(luò)和多媒體技術(shù)給人們帶來(lái)資源共享的同時(shí)，色情、暴力等不良信息極大危害青少年的健康成長(zhǎng)。因此，如何快速有效的監(jiān)測(cè)和過(guò)濾網(wǎng)絡(luò)不良圖像已經(jīng)成為當(dāng)前迫切需要解決的實(shí)際問(wèn)題。傳統(tǒng)的依靠屏蔽色情信息網(wǎng)站的檢索和瀏覽的方法已不能有效地處理色情圖像和視頻等多媒體數(shù)據(jù)，因此，通過(guò)圖像語(yǔ)義分析技術(shù)識(shí)別敏感圖片已經(jīng)成為網(wǎng)絡(luò)信息安全領(lǐng)域富有挑戰(zhàn)性課題。
　　 針對(duì)現(xiàn)有算法存在比基尼圖像和類膚色圖像誤檢率過(guò)高、不能有效過(guò)濾帶有淫穢動(dòng)作的多人色情圖像

2、和現(xiàn)有色情圖像語(yǔ)義算法存在的低層和高層語(yǔ)義缺失等問(wèn)題，本文以圖像語(yǔ)義分析相關(guān)理論為基礎(chǔ)，對(duì)現(xiàn)有的不良圖像過(guò)濾算法進(jìn)行深入分析研究，提出了基于高層語(yǔ)義視覺(jué)詞袋的不良圖像過(guò)濾模型及關(guān)鍵算法。本文的主要工作包括：
　　 (1)提出了基于高層語(yǔ)義視覺(jué)詞袋的不良圖像過(guò)濾模型，模型主要分為提取局部特征、構(gòu)建高層語(yǔ)義視覺(jué)詞典、行為語(yǔ)義識(shí)別和構(gòu)建SVM分類器四個(gè)關(guān)鍵模塊。其中，高層語(yǔ)義視覺(jué)詞典由低層視覺(jué)詞匯、中層視覺(jué)詞組和高層語(yǔ)義對(duì)象三個(gè)層次語(yǔ)

3、義詞匯構(gòu)成。
　　 (2)改進(jìn)了局部特征提取算法，融合了膚色和全局特征；改進(jìn)了視覺(jué)基元分配算法，縮短構(gòu)建視覺(jué)詞匯的計(jì)算時(shí)間；視覺(jué)詞典構(gòu)建算法通過(guò)融合上下文語(yǔ)義和空間相關(guān)高層語(yǔ)義特征描述興趣區(qū)域視覺(jué)詞組；構(gòu)建人體行為語(yǔ)義提取算法，檢測(cè)容易誤檢為不良圖像的運(yùn)動(dòng)類圖像、比基尼圖像、親吻圖像和擁抱圖像中的行為語(yǔ)義。
　　 (3)構(gòu)建了改進(jìn)算法和綜合分類實(shí)驗(yàn)方案，其中，改進(jìn)算法實(shí)驗(yàn)分析和比對(duì)了改進(jìn)算法的計(jì)算時(shí)間和平均準(zhǔn)確率，綜合分

4、類實(shí)驗(yàn)分析和比對(duì)了查全率、查準(zhǔn)率和正確分類率、分類ROC曲線，平均處理時(shí)間等評(píng)價(jià)指標(biāo)，并與本領(lǐng)域著名學(xué)者LiuYlZhi、AnaP.B.Lopes和WangYushi的算法實(shí)驗(yàn)結(jié)果進(jìn)行比對(duì)。
　　 本文提出的過(guò)濾模型通過(guò)提取圖像包含的高層語(yǔ)義特征完成識(shí)別不良圖像不僅符合人類視覺(jué)理論和人類認(rèn)知理論，而且實(shí)驗(yàn)比對(duì)結(jié)果表明，本文模型可以有效過(guò)濾帶有淫穢動(dòng)作的多人不良圖像，較同類算法識(shí)別率高，誤檢率低。因此該過(guò)濾模型具有一定的理論和實(shí)用