收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于内容的WEB图像过滤技术研究

江志伟  
【摘要】: 随着互联网发展和普及,人们可以在网络上获得各种信息,怎样防止青少年接触到色情内容是一个严肃的社会问题。要防止色情内容的蔓延,除了从法律角度采取措施外,从技术角度考虑的网络过滤技术是一种有效的手段。目前网络的过滤技术主要有三种,它们是基于URL过滤方式、基于文本的过滤方式和基于图像内容的过滤方式。其中基于图像内容的过滤方式比前两种过滤方式具有更广泛的适应性,它可以应付变化的情况,是一种更为彻底、有效的过滤方式,也是本文研究的方式。本文的过滤系统由皮肤过滤、脸部为重点的图像识别、特征提取和图像分类四部分组成。 皮肤检测的作用是利用皮肤检测器从图像中检测出皮肤区域,将无关的背景清除掉,方便后续处理。皮肤检测的准确性直接影响到后续处理的精度。传统的肤检测方法由于仅仅利用了像素级上的颜色信息,因而容易把在颜色上和肤色相近的非皮肤内容错误地识别为皮肤。为此,我们提出了一个在SPM方法的基础上的改进的皮肤检测算法,改进有两点:一是利用Gabor小波提取出的纹理信息,把一些颜色接近人类皮肤但纹理特征明显的内容过滤掉,从而降低错检率;二是利用邻域信息,将通过颜色和纹理检测之后的像素点作为种子点,进行扩散操作,从而提高正检率。皮肤检测后,我们利用数学形态学的开闭运算对皮肤检测的输出进行滤波,有效地去除噪声、孔洞及假目标。 将人脸检测引入过滤系统的作用有三点:一是识别以人脸为重点的图像;二是利用人脸检测的结果进行白平衡校正以提高皮肤检测精度;三是为特征提取阶段提供一个特征量。互联网上有相当部分的图像是以人脸为重点的图像,在处理的早期把这种图像识别出来的话,可以免去后续阶段可能发生的错误分类和不必要的处理。为此,需要在过滤系统中引入人脸检测技术。出于对精度和速度的综合考虑,我们采用了基于Adaboost的人脸检测算法。由于基于Adaboost的人脸检测算法只利用了灰度特征,它会将某些在灰度变化上具有人脸特征的目标识别成人脸,为了提高检测精度,我们在Adaboost的人脸检测算法的基础上,提出了改进的带了肤色验证和几何验证的人脸检测方法。互联网上的图像来源不一,有着复杂的背景和照明条件差别。肤色模型是利用皮肤颜色信息建立起来的,存在严重颜色偏差的图像必然会导致皮肤检测的精度的下降,进而影响到后续处理的性能。人脸检测后以人脸肤色作为白平衡校正的参照颜色对图像进行白平衡校正,然后重新对图像进行皮肤检测,可以进一步提高皮肤检测的精度。 特征提取的作用是从图像中寻找出一组对分类最有效的属性。虽然裸体图像含有大量的裸露肌肤,但仅仅以皮肤区域的面积比例来判断裸体图像是不够的。为了更可靠地识别裸体图像,需要引入机器学习技术,为此需要从图像中提取能够区分裸体和非裸体图像的特征量。裸体图像的表现形式多种多样,很难用一个统一的模型把所有的特征表示出来。因此需要从颜色、纹理及形状等信息中提取多种特征,本文从皮肤检测器输出掩码提取了皮肤特征;从颜色信息中提取了颜色矩、色度矩和颜色相关图特征;利用小波包技术提取了纹理特征。利用Hu不变矩和在Hu不变矩上改进的基于边缘信息的不变矩,提取了形状特征。这些特征组合在一起形成一个能够把握图像整体特性的特征向量。 分类器的任务是将图像识别为裸体图像或非裸体图像,虽然图像的低级特征在某一个方面刻画了图像的特性,但都有一定的局限性,无法直接描述裸体图像和非裸体图像这种高层语义概念。图像的低级可视特征与高层语义概念之间存在着一道语义鸿沟。通过机器学习手段,可以连接这道鸿沟,实现图像的语义分类。将图像分为裸体和非裸体是一个二类分类问题。SVM是一个在特征空间中构造最优分类超平面的二类分类器,分类性能有理论保证,正好适于解决我们的分类问题。分类器的分类性能在训练结束后也就固定下来了,如果训练数据不能很好地刻画出样本空间的总体分布特性,那么分类器的性能是有待提高的。基于网络图像复杂多变的特点,在分类器训练阶段就收集到完备的具有丰富代表性和多样性的训练样本是不实际的,因此我们希望找出一种机器学习方法,它可以在测试过程中,长期主动地进行学,不断提高自己的分类性能。通过对SVM主动学习、SVM增量学习、SVM增量式主动学习以及SVM直推式学习的介绍,结合SVM增量式主动学习方法和SMV渐进直推式学习方法的优点,本文提出一个能够高效地进行长期主动学习的SVM学习算法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王海军;王士伟;刘红敏;;人脸检测技术研究进展[J];河南机电高等专科学校学报;2007年06期
2 孔凡辉;马吉权;关心;于丽萍;;一种纸币识别方法研究[J];计算机工程与应用;2006年13期
3 樊振萍;;人脸检测与识别技术综述[J];电脑知识与技术;2008年07期
4 樊振萍;;人脸检测与识别技术综述[J];可编程控制器与工厂自动化;2008年05期
5 李健;廖秋筠;;人脸识别的方法研究[J];微计算机信息;2006年11期
6 王素珍;吴清江;曾炳生;;支撑向量机在人脸表情识别中的应用[J];黎明职业大学学报;2006年03期
7 宋余庆;陈健美;郭依正;王春红;;基于多特征融合的医学图像识别研究[J];计算机应用研究;2008年06期
8 党培;谭联;;基于支持向量机技术的粮虫图像分类技术研究[J];电脑知识与技术;2009年18期
9 郭大鹏;李亚敏;吴瑞辉;;基于遗传规划的植物分类识别方法[J];农机化研究;2009年10期
10 刘学平;李一波;;关于人脸识别原型系统设计的研究[J];沈阳航空工业学院学报;2009年04期
11 党培;谭联;;基于支持向量机技术的粮虫图像分类技术研究[J];粮食流通技术;2009年06期
12 谢丽欣;牟会;王欢;刘明霞;;基于计算机视觉的人脸检测与识别综述[J];计算机安全;2010年01期
13 潘钧;沈洁;胡学龙;张正华;;煤灰熔融性图像自动识别算法的研究[J];国外电子测量技术;2008年10期
14 刘永信;李琳莉;巴雅日图;;人脸识别方法综述[J];内蒙古大学学报(自然科学版);2009年04期
15 李艳,彭嘉雄;港口目标特征提取与识别[J];华中科技大学学报;2001年06期
16 黄晓伟;李晖;邱怡申;谢树森;;图像处理技术在白血病诊断中的应用[J];激光与光电子学进展;2006年10期
17 高如新;;避免完美分割的图像识别方法[J];计算机工程;2009年20期
18 李东升;;复杂背景彩色静止图像的人脸检测方法[J];安防科技;2010年01期
19 姚慧娟;栾晓明;;改进的BP网络算法在图像识别中的应用[J];电子科技;2010年09期
20 张勇,杨灿;非毗邻层连接神经网络及在车型识别中的应用[J];电子技术应用;2001年09期
中国重要会议论文全文数据库 前10条
1 杨莹;;图像识别火灾探测报警系统的研究与设计[A];2009年全国开放式分布与并行计算机学术会议论文集(上册)[C];2009年
2 罗云林;徐文君;;基于支持向量机的航空发动机内窥损伤识别[A];2006中国控制与决策学术年会论文集[C];2006年
3 谢丽欣;牟会;王欢;刘明霞;;基于计算机视觉的人脸检测与识别综述[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年
4 陈兴峰;顾行发;李紫薇;余涛;郑进军;郭丁;;基于“净化边界的傅立叶描述子”图像形状特征提取[A];第十四届全国图象图形学学术会议论文集[C];2008年
5 薛翠红;于明;;用于感兴趣区域图像编码的人脸特征的检测[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年
6 林宏基;谷灵康;;基于小波不变矩和BPNN的智能监控系统的图像识别[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 叶红兵;邱晓林;弟宇鸣;;基于MATLAB的核径迹图像识别方法研究[A];全国第五届核仪器及其应用学术会议论文集[C];2005年
8 王荣本;王超;初秀民;;路面破损图像识别研究进展[A];中国公路学会筑路机械学会第十四次学术年会论文集[C];2003年
9 唐中实;朱丽云;孔林;尹平;童辉;黄淑伟;;电子签名图像识别原型系统研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
10 姜楠;张春森;;遗传算法在图像模板匹配中的应用[A];高精度几何量光电测量与校准技术研讨会论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 江志伟;基于内容的WEB图像过滤技术研究[D];浙江大学;2007年
2 李勇明;尿沉渣图像自动识别算法的研究[D];重庆大学;2007年
3 林勇;基于振动谱图像识别的故障诊断方法研究[D];浙江大学;2009年
4 王宇新;基于特征分布的图像识别方法研究与应用[D];大连理工大学;2012年
5 阮锦新;多姿态人脸检测与表情识别关键技术研究[D];华南理工大学;2010年
6 胡新宇;基于机器视觉的家蚕微粒子图像识别方法的研究[D];武汉理工大学;2011年
7 孙真真;基于光学区雷达目标二维像的目标散射特征提取的理论及方法研究[D];中国人民解放军国防科学技术大学;2001年
8 武子玉;矿物近红外光谱信息提取及应用研究[D];吉林大学;2005年
9 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
10 张旗;基于属性的图像分类研究[D];大连海事大学;2005年
中国硕士学位论文全文数据库 前10条
1 闫红宾;标准正面人脸识别系统的研究[D];哈尔滨工程大学;2004年
2 周丁;人脸识别技术研究[D];武汉理工大学;2006年
3 柯江民;人脸图像的检测和识别的研究与实现[D];成都理工大学;2009年
4 俞晶晶;基于多级分类器的人脸检测系统研究[D];北京邮电大学;2011年
5 朱鹏飞;基于粗集理论的人脸识别方法研究[D];山东大学;2005年
6 祝晓辉;基于图像处理的电力设备识别方法研究[D];华北电力大学(河北);2007年
7 陈辉;人脸表情自动识别系统[D];西南交通大学;2005年
8 王虹;支持向量机在骨龄评价系统中的应用研究[D];昆明理工大学;2005年
9 陈菲;基于纹理分析的有损肝超声图像识别[D];电子科技大学;2005年
10 李美怡;不完整的模糊人脸图像修复方法的研究[D];沈阳工业大学;2006年
中国重要报纸全文数据库 前10条
1 记者 李红;法研究出图像识别软件[N];科技日报;2000年
2 记者 张兆军通讯员 郑原驰;图像识别混合交通控制系统问世[N];科技日报;2008年
3 孙哲南 谭铁牛;生物识别的十大关键技术[N];计算机世界;2007年
4 本报记者 李彬;手机变搜索引擎[N];科技日报;2006年
5 海言;慧视:让电脑“识文断字”[N];科技日报;2007年
6 燕海霞;王忆勤;李福凤;脉象信号研究日渐深入[N];中国医药报;2005年
7 中科院计算所-银晨网讯面像识别联合实验室 山世光 高文 曾文斌;面像识别看像认人[N];计算机世界;2001年
8 记者  周襄楠;清华人脸识别系统:一秒钟查出罪犯[N];新清华;2006年
9 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
10 易凡;瑞萨智能交通技术亮相ITS[N];电子资讯时报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978