利用颜色和纹理特征的图像过滤方法

随着互联网络和多媒体技术的发展,色情图像的传播越发猖獗.为了有效地防止色情图像的传播,本文中提出一种综合利用颜色和纹理特征的色情图像过滤方法.该方法根据色情图像的颜色和纹理特征,建立肤色模型和皮肤模型对图像进行检测识别.利用该方法对752幅色情图像和4000幅正常图像进行过滤实验,结果表明该方法具有较高的准确率.     

基于灰度直方图和高斯混合模型多特征肤色识别算法

肤色识别是色情图像识别和人脸检测中的关键技术,肤色识别的效果关系着相关图像处理技术的应用效果。尽管基于高斯混合模型的肤色识别算法能较好识别存在干扰因素的图像中的肤色,但对于图像中与肤色相近的毛发、背景、风景等部分识别效果并不理想。为了解决这个问题,结合灰度直方图和高斯混合模型的优势,提出了基于灰度直方图和高斯混合模型多特征肤色识别算法。实验表明该算法识别效率较高,能较好识别与肤色相近的非肤色部分,具有一定的实用性。     

基于高斯混合模型自适应肤色识别算法

肤色识别是色情图像识别、人脸检测等图像处理技术的关键步骤,肤色识别效果的好坏直接影响相关图像处理技术的效果。图像中存在干扰因素时基于单高斯模型的肤色识别效果不佳,为了解决这个问题,在YCbCr色度空间基础上,提出了基于高斯混合模型自适应肤色识别算法。实验表明该算法识别效率较高,能较好地识别存在干扰因素图像中的肤色,具有一定的实用性。     

深度学习在网络色情图像识别中的研究与应用

为提高色情图像识别的正确率,提出将深度学习的神经网络模型应用到网络色情图像检测系统中。在传统YCbCr肤色检测算法的基础上,结合深度学习的NSFW模型对网络图像进行色情判别。通过选取指定网络图像和网站进行实验,结果表明该方法在降低误检率的同时提升了正常图像的正确率,可满足实际应用需求。     

一种基于自适应小波不变矩的色情图像过滤方法

随着互联网络和多媒体技术的发展,色情图像在网络上的传播越来越泛滥,该文旨在研究如何有效过滤这些色情图像.该文提出一种基于自适应小波不变矩的皮肤纹理检测方法,首先利用统计颜色空间模型分割出疑似皮肤区域,再利用自适应小波不变矩来描述皮肤的纹理特征,该特征具有平移和缩放不变性.最后将该方法用于色情图像的过滤,通过对752幅色情图像和5 000幅正常图像的过滤实验,结果表明该方法具有较好的准确率和检出率.     

基于双色彩空间和面部矩形特征的人脸检测

在YIQ和YCbCr色彩空间中,结合人类面部矩形的特征,提出了一种用于人脸检测和定位的算法.该算法通过比较输入图像R、G、B 3通道总的平均值和B通道的平均值来选择色彩空间,并采用基于积分图的2维OSTU法进行肤色分割;然后根据肤色区域面积对肤色分割图像进行中值滤波;最后根据中值滤波后的肤色分割图中的肤色区域面积构造最佳人脸矩形,并用该矩形去定位人脸区域.实验结果表明:该算法较传统的采用单一色彩空间的人脸检测算法具有更高的准确率.     

基于亮度自适应色度空间模型肤色算法及应用

针对已有肤色算法对亮度信息考虑不足的缺点,在色度空间模型基础上提出了一种在彩色图像中检测肤色像素的新方法———基于亮度的自适应色度空间模型肤色算法。该方法综合了肤色像素在YUV、Y IQ色彩空间上的分布特征,根据图像亮度信息以及I值和UV的夹角值区分肌肤颜色,针对不同肤色选用不同阈值进行检测。实验证明,该方法对偏黄、黑色肌肤(亚洲、非洲人)和偏白色肌肤(欧美人)均有很好的检测效果,肤色像素检测的正确率达93.479 5%,误检率和检测时间相对变化不大,检测效果有明显提高。将此算法用于网络敏感图像过滤中,并设计了图像分类算法,结合网址过滤和关键词封锁技术构建敏感网页过滤器,克服了现有过滤软件算法的滞后性和对图片信息的局限性,基本实现了不影响网络运行条件下的网页的在线检测和分析功能。     

基于IE浏览器的色情图片过滤器

为了控制网络空间的色情传播,利用浏览器助手对象可以在浏览器的地址空间内引入处理代码,构建对Web页面色情图片的过滤器.色情图片在色度空间YUV和YIQ中分布具有一定特性,根据U与V的夹角和I的阈值进行肤色检测,生成掩码图像,然后进行纹理处理,提高了准确性.在掩码图像的基础上在原图像中提取特征值,进行图像的分类(色情图片或正常图片),决定对Web页面的处理,解决了Web页面色情图片过滤这一难点而又紧迫解决的问题.     

肤色检测结合Grab Cut的服装图像前景提取的改进

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取. 实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.     

肤色检测结合Grab Cut的服装图像前景提取

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取.实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.     

基于局部视觉单词分布的成人图像检测

为克服成人图像基于低层视觉特征识别产生的大量误检情况,在检测中引入了图像的局部形态特征.将图像中突出的局部形态量化为视觉单词,并消除了视觉单词中的多义和同义现象.然后对测试图像建立了视觉单词敏感度分布缩图,从中获知与色情信息高度相关的区域.通过分析这些区域的色情相关性,判断图像是否为成人图像.在与传统类型方法的对比实验中,该策略显著提高了检测性能,特别是减少了很多对人物类图像的误检.实验结果表明,基于分析局部视觉单词分布的策略,能有效提高成人图像识别系统的性能.     

网上报名照片的人脸自动检测和裁剪系统

设计了基于肤色空间和积分投影的人脸检测和剪裁系统。首先对输入的图像建立YC_bC_r肤色模型，选择一部分皮肤区域样本，通过实验统计确定色度阈值的上限和下限，采用"双重阈值"方法将皮肤区域分割出来，然后对二值化图像进行形态学处理，最后进行水平积分投影和垂直积分投影，找到眼睛进而确定人脸区域，同时按要求进行裁剪图像。在输入图像被限定在“包含单张免冠人脸、角度正位、面部清晰、表情自然神态庄重”的条件下，检测准确率达96%以上。本系统实用性强，操作简单。     

基于肤色HSV颜色模型下的人脸实时检测与跟踪

提出用于视频电话、监视与监控等场合的人脸实时检测跟踪方法.首先运用差分图像快速提炼出运动物体的外接矩形,消除背景对肤色检测的影响,缩小肤色搜索的范围;然后利用肤色在空间的聚类特性检测人脸,利用HSV颜色模型中的色调H的范围抽取肤色,去除亮度对肤色的影响.实验表明,这种检测和跟踪方法是快速有效的,与单独运用HSV方法相比它能更好地处理背景对肤色的影响.     

基于峰值信噪比评价的运动模糊方向与长度识别

对于任意运动模糊方向和长度的模糊图像复原的关键在于点扩展函数的准确性,点扩展函数的精度由模糊方向和长度决定．本文首先基于Hough变换在模糊图像频谱上对运动方向和长度进行初次识别,然后在以初次识别结果为中心的一个较小邻域内基于维纳滤波进行复原,得到一系列随模糊长度和方向变化的复原图像,以复原图像和模糊图像的峰值信噪比为评价指标,取最大信噪比值的图像为最佳复原图像,其对应长度和方向为最终识别值．仿真实验表明,本文识别结果精度非常高,复原效果较为理想,算法原理较为简单实用,模糊方向绝对误差不超过1°,模糊长度绝对误差不超过1像素．     

人脸自动追踪与识别系统的设计与实现

为快速和准确地识别有关人员的身份,开发了一个具有5个自由度的人脸自动追踪与识别系统．该系统采用人脸肤色模型结合相似度及人脸轮廓来检测和定位人脸,并利用嵌入式隐Markov模型对人脸的特征进行提取和识别．实验结果表明,该系统不仅能自动追踪、定位和识别人脸,而且能实时地将识别结果与人脸数据库进行比对,从而迅速地获得被识别人员的有关身份信息．该系统可用于建筑物入口的监控和刑事侦察等场合．     

CNN intelligent early warning for apple skin lesion image acquired by infrared video sensors

Video sensors and agricultural IoT ( internet of things) have been widely used in the informa-tionalized orchards.In order to realize intelligent-unattended early warning for disease-pest, this pa-per presents convolutional neural network ( CNN) early warning for apple skin lesion image, which is real-time acquired by infrared video sensor.More specifically, as to skin lesion image, a suite of processing methods is devised to simulate the disturbance of variable orientation and light condition which occurs in orchards.It designs a method to recognize apple pathologic images based on CNN, and formulates a self-adaptive momentum rule to update CNN parameters.For example, a series of experiments are carried out on the recognition of fruit lesion image of apple trees for early warning. The results demonstrate that compared with the shallow learning algorithms and other involved, well-known deep learning methods, the recognition accuracy of the proposal is up to 96.08%, with a fairly quick convergence, and it also presents satisfying smoothness and stableness after conver-gence.In addition, statistics on different benchmark datasets prove that it is fairly effective to other image patterns concerned.     

Efficient Approach for Face Detection in Video Surveillance

Security access control systems and automatic video surveillance systems are becoming increasingly important recently, and detecting human faces is one of the indispensable processes. In this paper, an approach is presented to detect faces in video surveillance. Firstly, both the skin-color and motion components are applied to extract skin-like regions. The skin-color segmentation algorithm is based on the BPNN (back-error-propagation neural network) and the motion component is obtained with frame difference algorithm. Secondly, the image is clustered into separated face candidates by using the region growing technique. Finally, the face candidates are further verified by the rule-based algorithm. Experiment results demonstrate that both the accuracy and processing speed are very promising and the approach can be applied for the practical use.     

Study on the de-watermark algorithm based on grayscale text

When using the current popular text recognition algorithms such as optical character recognition(OCR) algorithm for text images,the presence of watermarks in text images interferes with algorithm recognition to the extent of fuzzy font,which is not conducive to the improvement of the recognition rate.In order to pursue fast and high recognition rate,watermark removal has become a critical problem to be solved.This work studies the watermarking algorithm based on morphological algorithm set and classic image algorithm in computer images.It can not only remove the watermark in a short time,but also keep the form and clarity of the text in the image.The algorithm also meets the requirements that the higher the clarity of image and text,the better the processing effect.It can process the Chinese characters with complex structure,complicated radicals or other characters well.In addition,the algorithm can basically process ordinary size images in 1 s,the efficiency is relatively high.     

基于距离度量学习的SAR图像识别方法

针对合成孔径雷达（synthetic aperture radar,SAR）图像样本数据有限,且不同类别间的图像区分度不高导致识别困难的问题,提出一种应用于SAR图像识别的距离度量学习方法.该方法使用CNN网络得到图像的特征分布,利用LSTM网络加强图像间的关联性,基于余弦相似距离度量方法计算图像之间的匹配度,通过注意力机制后对结果进行分类.训练过程结合小样本学习的训练方式,采取预训练的策略进行实验.实验以公开的MSTAR数据集进行SAR图像识别,结果表明该方法准确率达到99.3%,比SVM方法提升2.5%.      

一种基于标准混合高斯模型的快速人脸检测方法

针对室内移动机器人运动过程提出一种快速而稳定的人脸检测方法.由于室内存在多种物体,背景不断变化,且光照条件可能不断变化,提出采用人脸肤色的标准混合高斯模型与人眼特征相结合的人脸检测法,无需对原始图像进行尺度变换.检测过程首先将经过补光处理及光线增强的人脸库转换到YCbCr空间,求其非线性变换空间YC'bC'r,求出左右脸标准正态密度函数及混合高斯分布;然后根据人眼颜色特征,分别对人脸肤色候选区域进行人眼候选区域提取,利用人眼Gabor模板的不变Hu矩与人眼候选区域的相关性,找出人眼拟合矩形区域,再综合利用人眼与人脸的特征关系以及人脸候选区域的投影关系检测出人脸区域.大量实验表明,新方法速度快,适应性较好,并可扩展检测到侧面人脸.