中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2011年
7期
1226-1233
,共8页
刘毅志%杨颖%唐胜%林守勋
劉毅誌%楊穎%唐勝%林守勛
류의지%양영%당성%림수훈
敏感图像检测%视觉注意模型%兴趣区域%视觉单词%SURF特征
敏感圖像檢測%視覺註意模型%興趣區域%視覺單詞%SURF特徵
민감도상검측%시각주의모형%흥취구역%시각단사%SURF특정
基于内容的敏感图像检测方法是过滤互联网上敏感信息的有效手段.然而,基于全局特征的检测方法误检率偏高,现有的基于BoW(bag-of-visual-words)的检测方法速度较慢.为了快速准确地检测敏感图像,本文提出基于视觉注意模型VAMAI(visual attention model for adult images)的敏感图像检测方法,包括构造面向敏感图像的视觉注意模型VAMAI、基于兴趣区域和SURF(speeded up robust features)的视觉词表算法、全局特征选择及其与BoW的融合三部分.首先,结合显著图模型、肤色分类模型和人脸检测模型,构造VAMAI,用于较准确地提取兴趣区域.然后,基于兴趣区域和SURF构建视觉词表,用于提高基于BoW的检测方法的检测速度与检测精度.最后,比较多种全局特征的性能,从中选择颜色矩,将它与BoW的支持向量机分类结果进行后融合.实验结果表明:VAMAI能够较准确地检测兴趣区域;从检测速度和检测精度两方面显著地提高了敏感图像的检测性能.
基于內容的敏感圖像檢測方法是過濾互聯網上敏感信息的有效手段.然而,基于全跼特徵的檢測方法誤檢率偏高,現有的基于BoW(bag-of-visual-words)的檢測方法速度較慢.為瞭快速準確地檢測敏感圖像,本文提齣基于視覺註意模型VAMAI(visual attention model for adult images)的敏感圖像檢測方法,包括構造麵嚮敏感圖像的視覺註意模型VAMAI、基于興趣區域和SURF(speeded up robust features)的視覺詞錶算法、全跼特徵選擇及其與BoW的融閤三部分.首先,結閤顯著圖模型、膚色分類模型和人臉檢測模型,構造VAMAI,用于較準確地提取興趣區域.然後,基于興趣區域和SURF構建視覺詞錶,用于提高基于BoW的檢測方法的檢測速度與檢測精度.最後,比較多種全跼特徵的性能,從中選擇顏色矩,將它與BoW的支持嚮量機分類結果進行後融閤.實驗結果錶明:VAMAI能夠較準確地檢測興趣區域;從檢測速度和檢測精度兩方麵顯著地提高瞭敏感圖像的檢測性能.
기우내용적민감도상검측방법시과려호련망상민감신식적유효수단.연이,기우전국특정적검측방법오검솔편고,현유적기우BoW(bag-of-visual-words)적검측방법속도교만.위료쾌속준학지검측민감도상,본문제출기우시각주의모형VAMAI(visual attention model for adult images)적민감도상검측방법,포괄구조면향민감도상적시각주의모형VAMAI、기우흥취구역화SURF(speeded up robust features)적시각사표산법、전국특정선택급기여BoW적융합삼부분.수선,결합현저도모형、부색분류모형화인검검측모형,구조VAMAI,용우교준학지제취흥취구역.연후,기우흥취구역화SURF구건시각사표,용우제고기우BoW적검측방법적검측속도여검측정도.최후,비교다충전국특정적성능,종중선택안색구,장타여BoW적지지향량궤분류결과진행후융합.실험결과표명:VAMAI능구교준학지검측흥취구역;종검측속도화검측정도량방면현저지제고료민감도상적검측성능.