基于图象内容的网络信息过滤系统的设计
| 摘要 | 第1-9页 |
| 第一章 引言 | 第9-13页 |
| 1．1 研究背景 | 第9-10页 |
| 1．2 研究现状 | 第10-11页 |
| 1．3 课题主要研究内容 | 第11-13页 |
| 第二章 图象分类的问题描述 | 第13-17页 |
| 2．1 敏感图象的定义 | 第13-14页 |
| 2．2 图象分类的任务 | 第14-15页 |
| 2．3 衡量分类性能的指标 | 第15-17页 |
| 第三章 课题的相关技术 | 第17-33页 |
| 3．1 图象文件格式 | 第17-22页 |
| 3．1．1 JPEG简介 | 第18-20页 |
| 3．1．2 BMP简介 | 第20-22页 |
| 3．2 颜色空间模型 | 第22-26页 |
| 3．2．1 RGB模型和CMY模型 | 第22-23页 |
| 3．2．2 Munsell模型和HSI模型 | 第23-25页 |
| 3．2．3 YUV、YIQ和YCrCb模型 | 第25-26页 |
| 3．3 纹理描述方法 | 第26-28页 |
| 3．3．1 统计描述法 | 第26-27页 |
| 3．3．2 频谱描述法 | 第27-28页 |
| 3．3．3 结构描述法 | 第28页 |
| 3．4 轮廓提取方法 | 第28-31页 |
| 3．4．1 Roberts边缘检测算子 | 第29页 |
| 3．4．2 Sobel边缘检测算子 | 第29-30页 |
| 3．4．3 Prewitt边缘检测算子 | 第30页 |
| 3．4．4 Kirsch边缘检测算子 | 第30-31页 |
| 3．4．5 高斯—拉普拉斯边缘检测算子 | 第31页 |
| 3．5 形状描述符 | 第31-33页 |
| 3．5．1 基于外部参数的形状描述 | 第32页 |
| 3．5．2 基于内部参数的形状描述 | 第32-33页 |
| 第四章 基于内容的图象检测模型 | 第33-51页 |
| 4．1 肤色检测模型 | 第34-40页 |
| 4．1．1 人类肤色特点和颜色模型 | 第34-37页 |
| 4．1．2 肤色检测算法 | 第37-39页 |
| 4．1．3 实验结果 | 第39-40页 |
| 4．2 纹理检测模型 | 第40-44页 |
| 4．2．1 纹理检测算法 | 第40-41页 |
| 4．2．2 纹理刷和参数的确定 | 第41-43页 |
| 4．2．3 皮肤纹理检测算法 | 第43页 |
| 4．2．4 实验结果 | 第43-44页 |
| 4．3 轮廓检测模型 | 第44-47页 |
| 4．3．1 轮廓检测算法性能和选择 | 第45页 |
| 4．3．2 噪声点的去除 | 第45-46页 |
| 4．3．3 发廓检测算法 | 第46-47页 |
| 4．3．4 实验结果 | 第47页 |
| 4．4 形状描述符 | 第47-51页 |
| 4．4．1 中心矩的不变性 | 第49-51页 |
| 第五章 特征的选取和分类 | 第51-69页 |
| 5．1 特征的选取 | 第52-55页 |
| 5．1．1 特征提取方法 | 第53-55页 |
| 5．2 Bayes方法 | 第55-56页 |
| 5．3 SVM方法 | 第56-60页 |
| 5．4 实验结果及分析 | 第60-69页 |
| 5．4．1 过滤系统的实验 | 第60-64页 |
| 5．4．2 结果和分析 | 第64-69页 |
| 第六章 基于图象内容的网络过滤系统 | 第69-75页 |
| 6．1 传统过滤方法的缺点 | 第69-70页 |
| 6．2 基于图象内容的网络信息过滤系统 | 第70页 |
| 6．3 系统设计 | 第70-73页 |
| 6．3．1 数据采集模块 | 第71-72页 |
| 6．3．2 数据分析模块 | 第72页 |
| 6．3．3 数据处理模块 | 第72页 |
| 6．3．4 控制界面模块 | 第72-73页 |
| 6．4 网络数据包的拦截 | 第73-75页 |
| 第七章 结束语 | 第75-78页 |
| 7．1 本文的工作 | 第75-76页 |
| 7．2 图象分类问题的探索 | 第76-77页 |
| 7．3 今后的工作 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 声明 | 第82页 |
