[发明专利]一种基于视觉显著性分析的恐怖图像识别方法及系统

权利要求书

1.一种基于视觉显著性分析的恐怖图像识别方法，其特征在于，该方法包括：

步骤1：建立包括恐怖图像样本和非恐怖图像样本的训练集；

步骤2：利用图像视觉显著性分析算法对每一幅训练样本图像进行视觉显著性分析，以得到每幅训练样本图像的视觉显著图；

步骤3：将每幅训练样本图像划分成W×W小图像块，并对每个图像块提取视觉和情感特征，并利用基于视觉显著性的词包表示模型得到每幅训练样本图像的视觉单词直方图表示，其中W为自然数；

步骤4：利用得到的每幅训练样本图像的视觉单词直方图及其对应的标签训练支持向量机以得到恐怖图像的分类模型，并利用该分量模型对新的测试图像进行识别，判断其是否为恐怖图像。

2.根据权利要求1所述的方法，其特征在于，所述训练集的建立包括如下步骤：

步骤11、搜集大量的恐怖图像和非恐怖图像；

步骤12、由多个用户对每一幅恐怖图像样本进行“恐怖、有点恐怖、不恐怖”的投票；如果一幅恐怖图像样本获得少于一定数量的“恐怖”投票，则将其剔出训练集以获得最终的训练集。

3.根据权利要求1所述的方法，其特征在于，所述的图像视觉显著性分析算法是基于高斯差分融合的图像视觉显著性分析方法，其利用闵可夫斯基范数将不同尺度上的高斯差分图像融合得到最终的图像的视觉显著图。

4.根据权利要求1所述的方法，其特征在于，所述的图像的视觉和情感特征包括颜色特征、纹理特征以及颜色情感特征；所述的基于视觉显著性的词包表示模型包含两种视觉单词：恐怖视觉单词和通用视觉单词；该词包表示模型根据得到的视觉显著图按不同的权重将每个图像块分配给不同的视觉单词，以构建每幅样本图像的视觉单词直方图特征。

5.根据权利要求1所述的方法，其特征在于，所述每幅样本图像的视觉显著图中每个像素的视觉显著值如下计算：

ES(X)=(Σk=1N[Sk(X)]qN)1/q]]>

Sk(X)=||I(X)⊗DoG(σ0,σ1k)||,]]>其中σ₀＝3，σ1k=2k-1,]]>k＝1，2，...，N

DoG(σ0,σ1k)=Gσ0-Gσ1k=12π[1σ0exp(x2+y22σ02)-1σ1kexp(x2+y22(σ1k)2)]]]>

其中，X表示所述视觉显著图中的像素点，I(X)＝[R(X)，G(X)，B(X)]^T表示像素点X处的RGB颜色值，S_k(X)表示像素点X的第k个高斯差分值，分别表示以σ₀，为标准差以X为中心点的高斯分布函数；(x，y)为高斯分布函数中的二维变量，是以像素点X为原点，其附近各像素点的相对坐标，q，N为可调参数。