| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景与意义 | 第10-11页 |
| ·不良图片识别技术发展现状 | 第11-12页 |
| ·不良图片识别的问题定义 | 第11页 |
| ·研究现状与存在的问题 | 第11-12页 |
| ·ICA 算法概述 | 第12-14页 |
| ·SVM 算法概述 | 第14-15页 |
| ·本文主要工作 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 项目背景介绍 | 第17-21页 |
| ·项目概述 | 第17页 |
| ·项目系统组成和框架 | 第17-18页 |
| ·项目系统功能 | 第18-19页 |
| ·项目的工作内容 | 第19页 |
| ·系统服务的功能和指标 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 不良图片识别的算法基础 | 第21-34页 |
| ·独立成分分析的发展简史 | 第21页 |
| ·独立成分分析的定义 | 第21-25页 |
| ·盲信号分离问题 | 第21-22页 |
| ·独立成分分析的线性模型 | 第22-23页 |
| ·复杂条件下的ICA | 第23-25页 |
| ·基于信息论的独立成分分析算法 | 第25-29页 |
| ·快速定点ICA 算法 | 第25-27页 |
| ·Informax 算法 | 第27页 |
| ·互信息最小算法 | 第27-28页 |
| ·最大似然算法 | 第28-29页 |
| ·支持向量机（SVM）基本理论 | 第29-33页 |
| ·线性可分 | 第29-31页 |
| ·线性不可分 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 OPENCV 图形处理库与算法开发环境简介 | 第34-39页 |
| ·OPENCV 图形处理库简介 | 第34-37页 |
| ·OPENCV 的基本概念 | 第34页 |
| ·OpenCV 的应用领域 | 第34-35页 |
| ·计算机视觉与OpenCV | 第35-37页 |
| ·Microsoft Visual C++ 开发平台 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 不良图片识别算法的设计与实现 | 第39-50页 |
| ·不良图片识别算法系统的框架 | 第39页 |
| ·图像训练库的构建 | 第39-43页 |
| ·图像预处理模块 | 第43-48页 |
| ·图像色彩降维处理 | 第44-45页 |
| ·图像规格归一化 | 第45-48页 |
| ·图像向量化处理 | 第48页 |
| ·图像特征提取处理模块 | 第48-49页 |
| ·图像特征分类模块 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第六章 不良图片识别算法的测试 | 第50-63页 |
| ·测试图片的预处理 | 第50页 |
| ·图像特征向量分析 | 第50-53页 |
| ·不良图片识别算法性能测试 | 第53-61页 |
| ·不良图片识别算法测试数据分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |