学位论文 > 优秀研究生学位论文题录展示
基于PLSA模型非法图片过滤技术的研究
作 者: 周成才
导 师: 苏林英
学 校: 内蒙古大学
专 业: 计算机技术
关键词: 不良图像过滤 SIFT特征提取 视觉单词 概率潜在语义分析(plsa)
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 71次
引 用: 0次
阅 读: 论文下载
内容摘要
随着21世纪信息技术及互联网技术的飞速发展,网络信息已成为人们获取信息的主要来源,而在人们所获取的信息当中图片信息占很大一部分,随着网络信息的发展,图片信息的数量还将不断增加。而在这些图片信息当中还存在大量的不健康的图片,给人们的生活带来周多不便,特别对青少年的健康造成了极坏的影响。为了解决不良图片在网络上传播的问题,学者们者提出了基于图片内容图片过滤技术,在基于图片内容的图片过滤时,把握图片的特征以及使用一个好的过滤策略成为了过滤成功的关键。基于这两个研究点,本文提出基于SIFT图片特征提取算法和基于PLSA特征匹配算法相结合的图片过滤模型。本文之所以选择PLSA作为模型主题算法,是由于敏感图像过滤问题是一个小样本问题,而概率潜在语义分析(PLSA)的模型对于解决小样本、非线性和高维模式识别与分类问题具有很大的优势,并且概率潜在语义分析(PLSA)的模型还具有学习记忆的能力。本文提出的图片过滤模型旨在提高过滤的性能。本文之所以使用PLSA模型与SIFT方法结合,主要考虑SIFT对图像的差分高斯运算相当于一个高通滤波器,它能够把背景中的低频分量滤除。换句话说,SIFT特征点一般不会出现在纯色背景以及变化缓慢的渐变背景中,使反应图片主要内容的特征更加突出,这样也就减少了待测样本图片特征与训练库中图片特征匹配失误,从而提高了过滤性能。在相同的试验条件下,我们分别对经典的PLSA算法与本文所用的算法进行了相同的试验,结果表明本文所使用的算法的性能优于经典的PLSA算法。本文有以下两个创新点:1.把图片训练库中的视觉单词根据人体敏感区域特征进行优化,减少训练库视觉单词的数量,从而提高了系统在进行匹配时的效率。2.该模型是把一般PLSA模型匹配算法与SIFT算法应用到图片过滤中,SIFT算法可以满足尺度不变性以及对遮盖物体部分情况具有很强的克服能力,从而减少背景对特征匹配的影响。这样就克服了单纯使用PLSA算法时,图片背景对过滤的影响。
|
全文目录
摘要 4-6 ABSTRACT 6-11 第一章 绪论 11-17 1.1 本文的研究背景与意义 11-14 1.1.1 研究背景 11-13 1.1.2 研究意义 13-14 1.2 不良图片过滤技术的研究概述 14-15 1.3 课题主要研究目标及论文结构安排 15-17 第二章 图片过滤方法相关研究的概述 17-26 2.1 引言 17 2.2 基于IE浏览器的色情图片过滤 17-19 2.3 基于纹理特征的图像检索 19-21 2.4 基于肤色过滤方法 21-23 2.5 基于颜色特征的图像检索 23-26 第三章 概率潜在语义分析方法概述 26-33 3.1 引言 26 3.2 概率潜在语义分析概念 26-27 3.3 潜在语义分析(Lsa)简介 27-29 3.4 概率潜在语义分析(PLSA)模型 29-33 3.4.1 EM算法 29-30 3.4.2 概率潜在语义分析(PLSA) 30-33 第四章 图片的特征提取 33-45 4.1 引言 33-34 4.2 应用软件安装 34-38 4.2.1 opencv的安装 34-37 4.2.2 GSL的安装 37-38 4.3 尺度不变特征转换算法(SIFT) 38-40 4.4 图片的SIFT特征提取 40-45 第五章 图像过滤具体实现 45-58 5.1 引言 45 5.2 图片过滤的设计 45-48 5.3 基于PLSA模型的图片过滤的实现 48-51 5.3.1 视觉词汇表的生成 48-49 5.3.2 图像分块的BOW描述 49-50 5.3.3 基于PLSA方法的分块潜在语义提取 50-51 5.4 实验结果与分析 51-55 5.4.1 模型的窗口设计 51-53 5.4.2 参数对分类对模型性能的影响 53-55 5.5 模型性能比较 55-58 第六章 总结与展望 58-60 致谢 60-61 参考文献 61-64
|
相似论文
- 基于SIFT特征点提取的图像检索研究,TP391.41
- 一种单目视觉下的同时定位与环境特征构建,TP391.41
- 自主移动机器人环境图像识别方法研究,TP391.41
- 双扫描器宽范围原子力显微镜技术及系统,TH742
- 分布式聚类算法研究与应用,TP311.13
- 基于SIFT算法的眼底图像拼接的研究与实现,TP391.41
- 医学图像的自动标注,TP391.41
- 全方位视觉图像展开和空间定位研究,TP391.41
- 大规模图像搜索中的图像表示模型,TP391.41
- 基于图像内容的成人图像检测,TP391.41
- 基于显著局部特征的视觉物体表示方法,TP391.41
- 基于局部特征的图像目标识别技术研究,TP391.41
- 图像场景分类的关键技术研究,TP391.41
- 基于语义分析的产品评论挖掘技术研究,TP391.1
- 局部描述特征结合概率潜在语义模型的场景分类技术研究,TP391.41
- 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
- 基于FPGA的高速图像预处理技术的研究,TP391.41
- 基于用户兴趣特征的图像检索研究与实现,TP391.41
- 空中目标与背景的红外图像仿真技术研究,TP391.41
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|