《动态图像过滤器的设计与实现综述》由会员分享，可在线阅读，更多相关《动态图像过滤器的设计与实现综述（84页珍藏版）》请在金锄头文库上搜索。
1、信息工程大学硕士学位论文单位代码 90005 密级 学 号 20820034060 分 类 号 TP391 学 位 论 文动态图像过滤器的设计与实现76第 页申请硕士学位论文动态图像过滤器的设计与实现Design and Implementation of Dynamic Image Filter目 录摘 要IAbstractIII第一章 绪论11.1 引言11.2 技术发展概况21.2.1 国外研究现状21.2.2 国内研究现状31.3 过滤器的体系结构41.4 论文的组织结构4第二章 皮肤检测方法研究62.1 颜色信息在皮肤检测中的应用研究62.1.1颜色的度量62.1.2颜色空间及肤色7
2、2.1.3肤色检测算法82.1.4 基于椭圆区域的肤色检测算法及实验结果102.1.5 高光与阴影问题分析152.1.6肤色检测在过滤系统中的应用与实验结果162.2 纹理信息在皮肤检测中的应用研究172.2.1 引言172.2.2 纹理分析182.2.3 基于简单统计特征的皮肤纹理检测202.2.4 实验结果及分析212.2.5 皮肤纹理检测在过滤系统中的应用22第三章 人脸检测233.1 人脸检测概述233.2人脸检测方法分类233.3 独立分量分析253.3.1 ICA简介253.3.2 ICA定义及线性模型253.3.3 人脸图像的独立分量描述50263.3.4 ICA算法273.4
3、ICA算法在人脸检测中的应用283.4.1预处理283.4.2独立特征提取293.4.3 基于FastICA的人脸检测29第四章 敏感图像特征提取324.1 基于掩码的敏感图像特征提取324.1.1引言324.1.2 皮肤暴露度特征324.1.3 肤色面积百分比及区域百分比的提取334.1.4 皮肤连通区域特征提取334.2目标区域的敏感图像相关特征提取354.2.1 引言354.2.2多分辨率分析的目标区域分割算法374.2.3算法流程图394.3 基于支持向量机（Support Vector Machines, SVMs）的分类器404.3.1支持向量机简介404.3.2最优分界面404.
4、3.3 基于SVMs的分类算法思想42第五章 IE 浏览器及其助手对象445.1 浏览器概述445.1.1 浏览器的体系结构445.1.2 IE的事件455.2定制浏览器475.2.1 集成浏览器介绍475.2.2 浏览器自定义架构485.2.3工作过程485.2.4 控制导航,下载和执行495.3 往 IE 工具条添加按钮505.3.1 基本原理505.3.2 实现步骤505.4 IE 浏览器助手对象 (BHO-Browser Helper Object)515.4.1浏览器助手对象的概念515.4.2助手对象的生命周期535.4.3 IObjectWithSite 接口545.4.4创建B
5、HO54第六章 敏感图像过滤器的实现566.1 引言566.2 过滤器的结构模型566.2.1过滤器的体系结构566.2.2 过滤器的工作流程566.3 网页图像过滤器的设计与实现566.3.1 DocumentComplet事件判断566.3.2 图像过滤器的实现566.3.3过滤器的注册56第七章 结束语567.1本文总结567.2下一步工作56致谢56参考文献56附录A：攻读硕士学位期间发表的论文和科研工作56摘 要随着计算机数据处理能力的提高和多媒体压缩编码技术的进步，网络上的各类资源日益丰富，人们不仅可以从网上阅读文本信息，而且可以浏览大量图形、图像、视频、音频等多媒体信息。互联网成
6、为我们获取知识和信息的必不可少的来源。随着互联网上的内容越来越丰富，色情、暴力、反动等信息也乘机泛滥。这些网站不仅影响我们正常使用互联网，更会对青少年造成难以估量的不良影响。目前，很多网络发达的国家都在设法净化网络环境，利用过滤软件将色情、暴力等不良信息过滤，使我们能更畅快地遨游于互联网之中。一些预防网络色情的软件相继被推出。这些软件包中的算法大都采用基于 IP 地址的过滤和基于网页中文本内容的判断，具有明显的滞后性，准确性不高。只有针对图像内容的分析与理解才能从根本上解决目前网络安全技术对图像信息过滤与监控能力不足的问题。目前一些国内外学者对基于内容的图像过滤技术进行了大量研究，并取得了初步
7、成果，但很多问题还没有得到解决。本文在总结及分析了前人的技术及经验的基础上，设计出一种基于浏览器的动态图像过滤器，试图在分析与理解图像内容的基础上有效阻止色情信息的传播，并取得了一定的成功。本文采用的技术包括：皮肤检测、人脸检测、目标区域分割、敏感图像特征提取、分类器设计及过滤器在浏览器上的实现等。在皮肤检测阶段，在总结前人工作的基础上，采用了一种有效的肤色检测模型，并在此基础上利用简单统计纹理特征进行皮肤检测。实验表明，此方法无论在效果上还是时间上都比其它方法要好。图像经过纹理模块处理后，得到皮肤掩码图像。在人脸检测阶段，在对常用的人脸检测方法研究后，对经过肤色模型和纹理模型处理后得到的掩码
8、图像，采用Aapo Hyarinen和Erkki Oja 提出的独立分量分析方法，进行独立特征提取和基于FastICA算法的人脸检测，验证初定肤色区域是否存在人脸，以进一步确定非人脸裸露肌肤区域。在分类过滤阶段，采用基于统计的支持向量机分类方法，支持向量机在解决有限样本、非线性及高维模式识别问题时具有许多特有的优势，将其应用到敏感图像过滤系统中，进行敏感和非敏感图像的分类。在以上算法的基础上，利用 BHO技术，设计了基于IE浏览器的敏感图像过滤器，实现了网页上敏感图片的过滤。BHO可以在浏览器的地址空间内引入处理代码，根据分类器的判断（敏感图像或正常图像），决定对网页中图像的处理。BHO 是用
9、户启动新的 Internet Explorer 实例时，Internet Explorer 自动生成的 COM对象，使用 BHO 可以挂接浏览器来控制对站点的访问或动态地修改 Web 网页的内容。关键词：图像过滤，皮肤检测，人脸检测，独立分量分析，支持向量基，浏览器助手对象AbstractWith the enhancement of the computers data dealing ability and the progress of the multimedia compression and coding technology, various resources on the I
10、nternet is becoming abundant. People share the information it provides and feel convenient, but at the same time, it brings eroticism、violence and counteraction to us. People , especially teenages are contaminated by the information rubbish . In order to give us a cleaner cyberspace, Nowadays, many
11、countries and organization are purifying the web.These days, the software to prevent the erotic images is either based on blockading Web addresses or filtering erotic texts. They act poorly at veracity and real time. In order to prevent the spread of eroticism effectively, the approach is carrying o
12、n research on content-based image filtering. Many experts have done much in this field and gain some achievement.In this paper, we developed a dynamic image filter based on IE by studying the former work and try to prevent erotic informations spread efficiently based on analyzing and comprehending t
13、he image content. The results show that the system works well. Some key techniques are included, such as skin detection, face detection, object area segmentation, image features extraction, the design of classifier and the implement of filter based on browser.In period of skin detection, we adopted
14、an effective skin color model by studying the former work and based on this we carried out skin detection through simple and statistical texture character. Then we get skin mask from original images by the Skin Model. Based on skin mask image, a method based on independent component analysis is used to detect faces in image. The face detection model is divided into two parts, extraction of independent component, and face detection with FastICA. Based on the work above, we adopted classified method based on Support Vector Machines(SVMs). SVMs have advantage i
