基于图上半监督学习的色情视频识别算法
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 ：绪论 | 第9-12页 |
| 1.1 研究的目的和意义 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 第二章 ：相关知识介绍 | 第12-24页 |
| 2.1 镜头分割介绍 | 第12-15页 |
| 2.1.1 突变镜头分割介绍 | 第12-14页 |
| 2.1.2 渐变镜头分割介绍 | 第14-15页 |
| 2.2 半监督学习 | 第15-19页 |
| 2.2.1 半监督学习论述 | 第17页 |
| 2.2.2 半监督学习的相关算法 | 第17-19页 |
| 2.3 线性邻域传播算法分析 | 第19-23页 |
| 2.3.1 建立带权数据图 | 第19-21页 |
| 2.3.2 标签值传播 | 第21-22页 |
| 2.3.3 预测其它测试样本标签 | 第22-23页 |
| 2.3.4 多类问题分割 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 ：基于图上半监督学习的完整前景区域提取 | 第24-37页 |
| 3.1 运动前景区域提取 | 第24-30页 |
| 3.1.1 视频镜头分割 | 第24-27页 |
| 3.1.2 关键帧提取 | 第27页 |
| 3.1.3 帧间差分和图像融合 | 第27-29页 |
| 3.1.4 形态学滤波去噪 | 第29-30页 |
| 3.2 完整前景区域提取 | 第30-33页 |
| 3.2.1 标注初始类别标签值 | 第30-31页 |
| 3.2.2 构建数据图 | 第31-32页 |
| 3.2.3 标签值传播 | 第32页 |
| 3.2.4 识别前景区域 | 第32-33页 |
| 3.3 实验结果 | 第33-36页 |
| 3.3.1 镜头分割实验结果 | 第33-34页 |
| 3.3.2 运动前景区域提取实验结果 | 第34-35页 |
| 3.3.3 完整前景区域提取实验结果 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 ：完整前景区域中色情内容检测 | 第37-47页 |
| 4.1 肤色检测 | 第37-41页 |
| 4.1.1 颜色空间的选择 | 第37-38页 |
| 4.1.2 高斯模型 | 第38-40页 |
| 4.1.3 肤色区域提取 | 第40-41页 |
| 4.1.4 肤色区域提取效果图 | 第41页 |
| 4.2 人脸和乳房部位提取 | 第41-44页 |
| 4.2.1 人脸部位检测 | 第42-43页 |
| 4.2.2 乳房部位检测 | 第43-44页 |
| 4.3 色情视频检测 | 第44-46页 |
| 4.3.1 色情视频检测步骤 | 第44-45页 |
| 4.3.2 实验结果 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 结论与未来展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 未来展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间完成的主要工作 | 第52-53页 |
| 致谢 | 第53页 |
