基于目标区域的敏感图像特征提取

针对互联网中色情图像传播愈来愈严重的现象,在充分分析色情图像的特征和图像分块处理的基础上,提出了目标区域分割算法。该方法能够有效地提取网络色情图像的特征,具有较高的实用性和研究价值。     

敏感图像信息识别模型研究

为减少和杜绝色情图像在公共网络上传播的机会,在分析色情图像特征基础上,设计了一个敏感图像信息识别模型,综合使用肤色模型匹配和纹理判别技术,提取多个统计特征,采用SVM进行分类实现了对敏感图像的识别.该模型能够有效识别网络色情图像,适合网络环境下使用,为网络敏感信息监控提供了比较完整的图像识别解决方案.     

基于高层语义视觉词袋的色情图像过滤模型

针对目前色情图像过滤算法对比基尼图像和类肤色图像误检率过高,且不能有效过滤带有淫秽动作的多人色情图像的缺点,提出一种基于高层语义视觉词袋的色情图像过滤模型。该模型首先通过改进的SURF算法提取色情场景局部特征点,然后融合视觉单词的上下文和空间相关高层语义特征,从而构建色情图像的高层语义词典。实验结果表明,该模型检测带有淫秽动作的多人色情图像准确率可达87.6%,明显高于现有的视觉词袋色情图像过滤算法。     

基于内容分析的特定图像过滤技术研究

文章在分析色情图像的特征的基础上,提出基于肤色模型与轮廓特征的图像过滤方法。重点讨论了基于内容的图像过滤方法,其中包括肤色检测、纹理检测、轮廓检测、特征选取和分类方法(Bayes分类器和SVM分类器)等关键技术。实验结果表明,在混合样本的条件下该方法能够达到80%以上的准确率。     

基于显著区域的敏感图像识别方法

依靠先进的技术识别和过滤网络上大量的色情信息正是时下政府相关管理部门急需解决的问题,而敏感(色情)图像在网络色情信息中占有相当大的比例。依据敏感图像的显著区域具有丰富的肤色信息这一特点,利用一种基于肤色信息的投票机制提取出显著区域,在显著区域上进行特征提取,最后采用支持向量机的方法对图像进行分类,从而完成敏感图像的识别。实验结果表明,该方法的正检率达到88.2%,能有效地识别出敏感图像。     

基于Surf特征的色情图像识别方法的设计与实现

本文介绍了一种基于Surf特征的色情图像的识别方法。全文主要分为两个部分:视觉词典的训练;图片过滤。共提出了2个创新点,构建基于Bo VW模型的词典和纹理、肤色比例等多种方法结合的色情图片过滤方法。实验结果表明了该基于Surf特征的色情图像识别方法具有较高的正检率和较低的漏检率。     

多层次特定类型图像过滤方法

随着网络和多媒体技术的发展，互联网中色情图象的传播愈演愈烈，为有效杜绝此现象，提出了一种基于计算机视觉和模式识别的色情图像过滤方法－多层次特定类型图像过滤法，该方法通过研究人类视觉对图像的分析机理，提出综合肤色模型检验、支持向量机（SVM）分类和最近 邻近方法校验 的多层次图像处理框架，实验结果表明，该方法能够达到85％以上的准确率。     

基于卷积神经网络的色情图像检测

针对通常使用的色情图像检测方法中难以获取准确的色情图像特征的问题,提出一种以数据为导向基于深度卷积神经网络来获取图像特征的色情图像检测方法。对含色情内容和不含色情内容的图片数据集进行数据增强处理,接着使用Inception模块设计及建立卷积神经网络模型;使用批量随机梯度下降算法训练卷积神经网络获取色情图像特征;使用训练好的模型识别一张图像是否是色情图像。测试集检测正确率达到了99.06%,对比实验表明所设计的网络模型因其参数更少比其他模型更不易过拟合并比其他方法实现了更高的准确率。     

用于色情网页过滤中的KNN算法改进

针对互联网日益泛滥的色情信息,分析了向量空间模型中KNN算法,并对它的缺陷进行了改进,将其运用于色情网页过滤中,提出了一种色情网页过滤解决方案。该方法首先对特征项的选取和权重计算的方法进行了优化,然后使用改进后KNN算法进行网页分类。实验表明,通过改进,有效地降低了向量空间的维数,提高了网页分类的精度和速度,能有效地识别并过滤色情网页。     

基于直觉模糊——神经网络的色情图像识别算法

网络中色情图像的传播严重影响了网络信息内容的安全性。为提高色情图像识别的准确度,提出了一种直觉模糊理论和FP（Forward Propagation）神经网络相结合的色情图像识别算法。算法以颜色直方图为底层特征,根据色情图像颜色分布情况,由模糊理论和直觉模糊理论共同构建图像特征矩阵;采用FP网络实现色情图像特征训练过程,其中特征矩阵的权重通过反向传播神经网络训练得到,以加权距离建立球形邻域半径;最后通过球形邻域覆盖情况识别色情图像。实验结果表明,该算法能够在不影响识别速率的前提下,有效的提高识别准确度。     

基于改进Gabor优化选择的布匹瑕疵检测方法

针对传统Gabor优化选择方法用于布匹瑕疵检测时准确率低、鲁棒性差的缺点,提出了改进的优化选择方法,通过瑕疵图像与标准图像Gabor滤波后分块子图均值差平方和的代价函数实现优化选择。设置一组不同方向和尺度的Gabor滤波器并提取标准图像滤波后相关参数,通过改进的优化选择方法实现滤波后瑕疵图像的最优选择,利用迭代式阈值分割对最优滤波后图像进行二值分割,根据分割后图像的像素信息检测是否含有瑕疵并输出瑕疵信息。实验验证该方法,并与传统优化选择方法对比分析,结果表明该方法运算量较少,且检查性能高,可满足在线检测要求。     

An automatic filtering convergence method for iterative impulse noise filters based on PSNR checking and filtered pixels detection

Whether input images are corrupted by impulse noise and what the noise density level is are unknown a priori, and thus published iterative impulse noise filters cannot adaptively reduce noise, resulting in a smoothing image or unclear de-noising. For this reason, this paper proposes an automatic filtering convergence method using PSNR checking and filtered pixel detection for iterative impulse noise filters. (1) First, the similarity between the input image and the 1st filtered image is determined by calculating MSE. If MSE is equal to 0, then the input image is unfiltered and becomes the output. (2) Otherwise, one applies PSNR checking and filtered pixel detection to estimate the difference between the tth filtered image and the t–1th filtered image. (3) Finally, an adaptive and reasonable threshold is defined to make the iterative impulse noise filters stop automatically for most image details preservation in finite steps. Experimental results show that iterative impulse noise filters with the proposed automatic filtering convergence method can remove much of the impulse noise and effectively maintain image details. In addition, iterative impulse noise filters operate more efficiently.     

Detecting median filtering via two-dimensional AR models of multiple filtered residuals

Median filtering, being an order statistic filtering, has been widely used in image denoising and recently also in image anti-forensics and anti-steganalysis. In the past few years, several methods have been developed for median filtering detection. However, it is still a challenging task to detect median filtering in JPEG compressed images. In this paper, we propose a novel method to solve this challenging task. We first generate median filtered residual (MFR), average filtered residual (AFR) and Gaussian filtered residual (GFR) by calculating the differences between an original image and its filtered images. Then, we propose to use two-dimensional autoregressive (2D-AR) model to characterize MFR, AFR and GFR separately, and further combine the 2D-AR coefficients of these three residuals into a set of features. Finally, the extracted feature set is fed into a support vector machine classifier for training and detection. Extensive experiments have demonstrated that compared with existing methods, the proposed one can achieve a considerable improvement in detecting median filtering in heavily compressed images.     

基于Relief-PCA特征选择的遥感图像变化检测

面向对象的变化检测技术在高分辨率遥感图像领域已经得到广泛地应用。由于遥 感图像受光照、大气环境等成像条件的影响,图像特征的质量也参差不齐,筛选出高质量的特 征成为对象级遥感图像变化检测的关键。针对此问题,提出了一种基于 Relief-PCA 特征选择的 对象级遥感图像变化检测方法。首先,对原始图像进行多尺度分割获得目标对象,并提取对象 的光谱特征与纹理特征;然后,利用对数比值法获得变化矢量,再使用 Relief-PCA 特征选择的 方法对图像的对象特征进行筛选与降维;最后,计算并生成 CVA 变化强度图,利用 Otsu 方法 对变化强度图进行阈值分割得到最终的变化检测结果。实验表明：与已有方法相比,该方法的 变化检测精度更高,误检率和漏检率更低。     

基于改进脉冲噪声检测的新型滤波算法*

通过分析脉冲噪声图像的数值特征,为了快速和准确地滤除图像脉冲噪声并能很好地保持图像的细节,提出了基于改进脉冲噪声检测的灰度图像和彩色图像非线性自适应滤波算法。该算法首先通过改进的噪声检测方法把图像中的噪声点标志在噪声标志矩阵中,然后采用改进中值滤波方法并有限制地自适应调整滤波窗口对灰度图像中的脉冲噪声给予有效滤除。在此基础之上,分别采用该方法对彩色图像的三个RGB子图像进行单独滤波,然后利用通道融合技术得到最终的彩色滤波图像。经过实验仿真并与国内外相关文献提出的算法相比,本方法不仅思想简单、快速、易于实现     

基于透射变换的印刷品图像归一化研究

印刷品图像归一化在其质量检验中是极其重要的。针对获取的印刷品图像存在一定程度的畸变,提出一种改进的透视变换的归一化方法。为了准确获取图像的直线边缘信息,改进传统Canny检测中阈值自适应能力差的问题,用迭代法获取阈值参数,并加入滤波器有效滤除过于贴近图像边缘的平行直线;针对传统透视变换特征点无法获取问题,首次提出将图像分为三类状态下分别获取图像的特征点信息,求解得出透视变换矩阵对图像进行归一化。实验结果表明,对采集的印刷品图像该算法相对不准率下降了41.2%,可有效解决图像存在的畸变问题。     

基于纹理免疫的JPEG预压缩图像降尺度因子检测

图像编辑工具的普及导致JPEG图像越来越容易被篡改,其中重采样操作方法通过几何变换能够使伪造的图像更加逼真,因此对JPEG图像进行重采样检测至关重要。传统的光谱分析法依据差分图像相邻极值的间隔遵循几何分布,以及在直方图上的峰值呈现周期性,通过峰值分析对下采样因子进行估计,但由于图像纹理统计特征的周期性干扰了直方图的提取,导致检测准确性较低。提出一种用于JPEG预压缩图像降尺度因子检测的纹理免疫块效应分析算法,利用快速导向滤波对图像进行预处理,并去除图像的纹理和噪声。使用Canny算子对滤波后的图像进行边缘检测,以减轻周期性边缘的干扰,对图像进行交叉差分,从而凸显块效应,提高JPEG图像降尺度因子估计的准确性。在此基础上,结合极大似然估计和谱分析得出降尺度因子的估计值,减小估计误差。实验结果表明,该算法能有效削弱图像纹理对重采样估计的影响,具有较强的纹理免疫能力。     

Edge Detection of Ultrasonic Medical Image Based on Mathematical Morphology

During the ultrasonic medical image edge detection, one of the difficult problems is that there am some speckles that show strongly variance of image gray level, the speckles reduce the space difference and remain the detailed structure under cover.Edge detection algorithms have had fairly limited application in ultrasound imaging. High levels of speckling present in ultrasound images make accurate edge detections difficult. In this paper, a novel edge detection method based on mathematical morphology is presented. Firstly, according to the statistical characteristic of the speckle, the speckle filtering method based on multidirectional morphological structure is presented. The experiment shows that the speckle noise has been filtered and image details have been preserved by the method based on local statistical property of the image, the edge detection result shows that this method is reliable and effective. Certainly the speckle filtering and the edge detection are not the final objective and would like to be proved and perfected in the further research of ultrasonic image analyzing.