随着万维网技术以及计算机技术的飞速发展,人们能更加快捷地接触到网络上的资源。互联网信息的便利获取具有无与伦比的优势性,网络文化的传播具有跨越时间空间的速度和广度,同时也给传统社会文化赋予了新的生命力,丰富了人们的精神财富。同时,网络中的不良信息的概率也随之增大,这些信息将对网络用户特别是青少年用户带来不好的影响。如何识别并过滤这些信息,成为了迫切需要解决的问题。图像自动标注技术是智能图像识别和图像检索的关键。这些标注能够将图像中反应的语义内容,用于大规模的图像识别检索。本文从颜色空间开始,对图像处理的基本方法做了介绍,然后将图像模型算法条件随机场引入工作当中。条件随机场能根据超像素之间的相互影响提高自动标注的准确率,但是该算法训练时间长,模型复杂。于是提出基于SVM的自动标注模型,这种有着简便低复杂度的图像标签模型,具有较好的研究意义。通过自动标注,将不良图片检测出来。而数字图像以单个像素的方式储存,因为其庞大的数据量和冗余的数据信息成为了图像处理中的难点。为了减少后续算法的复杂度,使用基于相邻像素之间关系的超像素分割得到超像素图,减少了计算复杂度。本文结合网络文化安全的课题,在对当前的图像检测的技术发展现状做出学习之后,通过对图像最基本颜色属性以及不同颜色空间、不同颜色空间的转换、图像预处理技术、人脸检测、肤色检测等技术设计了一套基于超像素分割以及SVM自动标注的不良图片检测方案。论文中详细介绍了关于颜色空间的转换,人脸检测模块,肤色检测模块等关键模块。同时也对图像分割特别是超像素分割在自动标注中的重要作用进行了详细的介绍。通过最后系统的测试,证明了系统具有检测判断不良图片的作用,实验证明了系统有着简化开发的原则也取得了良好的效果。