论文部分内容阅读
随着互联网技术的发展,网络黄毒日益泛滥。这不仅严重影响青少年身心健康,而且也给人们日常生活带来诸多不便。如何过滤不良信息是个重要的研究课题。目前,已有一些不良信息过滤软件相继推出,主要是基于IP地址和文本对网络信息进行过滤,效果不是很理想。
本文以此为背景,依托于与中国刑警学院合作的公安部应用创新计划项目“基于内容的网络有害图像识别与监控系统”,对基于肤色和纹理的皮肤区域分割技术进行研究。本文的主要工作如下:肤色检测算法的研究、纹理检测算法的研究、皮肤点膨胀算法的提出。肤色检测在基于内容的敏感图像过滤系统中占有重要地位,是敏感图像特征提取的基础。本文研究并实现了贝叶斯统计模型、段丽娟提出的色度空间模型和基于亮度自适应的色度空间模型。纹理检测是对肤色点的再次确认。
本文研究并实现了灰度统计模型、共生矩阵模型和边缘密度模型。针对由于光照的影响大块的皮肤区域不能被完整提取的问题,本文提出了皮肤点膨胀算法。该算法基于利用改进的肤色检测和纹理检测算法生成的三值皮肤掩码图像(皮肤点,非皮肤点和待定点),对掩码图像中的皮肤点进行小区域膨胀(如果皮肤点周围小区域内不含非皮肤点,那么将小区域内的待定点更改为皮肤点),再对这些变化的点进行小区域膨胀。该算法有效地改善了皮肤检测效果。经过以上处理,皮肤区域正检率达到94.52%,误检率为11.35%,达到皮肤区域分割的目的。
最后,本文采用上述图像分割算法对样本图像进行预处理,并采用决策树分类器测试图像分类效果,以验证所研究算法的有效性。结果表明,基于本文的皮肤区域分割技术的分类器对敏感图像和正常图像有着较好的分类效果。