敏感圖像識(shí)別的相關(guān)技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，它的影響已經(jīng)滲透到社會(huì)生活的各個(gè)領(lǐng)域，它改變了我們的生活方式，極大地促進(jìn)了現(xiàn)代社會(huì)的信息交流。但互聯(lián)網(wǎng)在帶給我們方便的同時(shí)，也為有害信息的廣泛傳播提供了便捷。這些有害信息(例如敏感圖像)對(duì)社會(huì)，尤其是對(duì)未成年人的影響日益引起人們的極大關(guān)注。目前針對(duì)網(wǎng)絡(luò)有害信息的過濾系統(tǒng)，往往采用封鎖網(wǎng)址和過濾文字信息的手段，但這是遠(yuǎn)遠(yuǎn)不夠的，因此基于內(nèi)容的圖像識(shí)別與過濾方法越來(lái)越引起人們的重視。本文對(duì)基于內(nèi)容的圖像識(shí)別技術(shù)進(jìn)行了研

2、究，針對(duì)敏感圖像識(shí)別，提出了基于Adaboost(Adaptive boost)算法的特征選擇方法，并且利用Adaboost分類器對(duì)敏感圖像進(jìn)行識(shí)別。 本文首先通過對(duì)圖像識(shí)別中的光照補(bǔ)償問題的研究，對(duì)現(xiàn)有的Gamma矯正方法進(jìn)行了分析，并在計(jì)算復(fù)雜度不變的情況下，對(duì)原來(lái)的非線性函數(shù)進(jìn)行了改進(jìn)，構(gòu)造了更合理的Gamma矯正曲線，使Gamma矯正方法的性能得到提高；針對(duì)彩色圖像中的光照補(bǔ)償問題，比較了基于不同彩色模型的處理方法：實(shí)驗(yàn)

3、結(jié)果表明，本文方法在弱化光照影響、提高圖像質(zhì)量方面具有良好的性能。 然后介紹了去除圖像椒鹽噪聲的傳統(tǒng)方法，并利用線性預(yù)測(cè)去除圖像椒鹽噪聲。根據(jù)椒鹽噪聲的特點(diǎn)，判斷圖像像素是信號(hào)像素還是可能的噪聲像素，把圖像信號(hào)像素作為已知信息，把噪聲像素作為未知信息，采用三階線性預(yù)測(cè)器，利用信號(hào)像素預(yù)測(cè)出噪聲像素。實(shí)驗(yàn)結(jié)果表明，該算法的運(yùn)算量小，去噪能力強(qiáng)，尤其在處理噪聲高度污染圖像時(shí)，去噪能力表現(xiàn)更為突出。 針對(duì)敏感圖像識(shí)別，介紹并研

4、究皮膚掩碼圖像的提取方法：根據(jù)膚色在顏色空間的分布對(duì)皮膚進(jìn)行提取，然后在得到的膚色掩碼圖像的膚色區(qū)域進(jìn)行紋理分析，這樣得到的掩碼圖像經(jīng)過膚色連通區(qū)域處理可以進(jìn)一步去除噪聲。 對(duì)掩碼圖提取和選擇用于區(qū)分敏感圖像和非敏感圖像的特征，將提取的特征輸入到Adaboost分類器。對(duì)于分類器，分為學(xué)習(xí)階段和測(cè)試階段。在學(xué)習(xí)階段，從人為分類的敏感圖像庫(kù)和非敏感圖像庫(kù)提取特征輸入到Adaboost分類器，進(jìn)行訓(xùn)練得到.Adaboost分類器。本