[发明专利]一种基于视觉词袋的网络不良图像检测方法

摘要

本发明公开了一种基于视觉词袋的网络不良图像检测方法，具体按照以下步骤实施：图像预处理，获取图像中的肤色区域；特征提取与描述，得到肤色区域关键点的特征向量；构建视觉词袋，将图像关键点中最能代表图像特征的特征向量筛选出来，组成图像的视觉词袋；图像检测，用训练好的分类器对图像的视觉词袋进行分类，从而完成不良图像的检测。本发明方法进行不良图像识别和检测时与其它同类方法相比正检率较高，检测耗时较短，可以作为一种高效的网络不良图像检测方法，具有一定的理论和实用价值。

主权项

1.一种基于视觉词袋的网络不良图像检测方法，其特征在于，具体按照以下步骤实施：步骤1：图像预处理，获取图像中的肤色区域；步骤2：特征提取与描述，得到肤色区域关键点的特征向量，具体按照以下步骤实施：第一步：以图像像素点为单位，对图像进行均匀间隔采样；第二步：对每一个特征点进行双尺度、均匀加权特征描述，获得双尺度特征向量，所述双尺度指对每一个特征点选取两个大小不同的像素宽度；步骤3：构建视觉词袋，将肤色区域关键点中最能代表图像特征的特征向量筛选出来，组成图像的视觉词袋；步骤4：图像检测，用训练好的分类器对图像的视觉词袋进行分类，从而完成不良图像的检测，具体按照以下步骤实施：首先通过样本训练得到SVM分类器的最优超平面，之后根据最优超平面确定正支持向量平面和负支持向量平面；在SVM分类空间中将训练样本的分布用三个超平面进行划分，那么通过比较测试样本与正支持向量平面和负支持向量平面之间的距离，之后统计测试样本的视觉词袋中被划分到负支持向量平面所代表的类中的特征向量比例，若比例大于一定的阈值，其中阈值的取值范围为0.4，则测试样本为不良图像，反之则为正常图像，选用径向基核函数作为SVM分类器的空间转换核函数。