基于新特征的AdaBoost算法的色情图片检测
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| ·色情图片检测概述 | 第9-10页 |
| ·研究背景和意义 | 第9页 |
| ·研究内容和现状 | 第9-10页 |
| ·Adaboost基本算法 | 第10-12页 |
| ·AdaBoost中原始矩形特征 | 第10页 |
| ·基本训练分类器步骤 | 第10-11页 |
| ·Adaboost算法的收敛性能 | 第11页 |
| ·Adaboost算法的泛化能力 | 第11-12页 |
| ·Adaboost算法的优点 | 第12页 |
| ·主要研究的内容和结构安排 | 第12-13页 |
| 第二章 改进ADABOOST算法的权值更新方法 | 第13-17页 |
| ·引言 | 第13页 |
| ·样本权重归一化 | 第13-14页 |
| ·权重的全局归一化方法 | 第13-14页 |
| ·权重的类内归一化方法 | 第14页 |
| ·两种权重的比较 | 第14页 |
| ·本文改进的权重更新方法 | 第14-15页 |
| ·改进后的AdaBoost算法训练分类器步骤 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 增加新特征ADABOOST算法 | 第17-23页 |
| ·引言 | 第17-20页 |
| ·新特征 | 第17-18页 |
| ·梯形特征 | 第18页 |
| ·T字形特征 | 第18-19页 |
| ·区分眼睛和乳房特征 | 第19-20页 |
| ·积分图与矩形特征值的计算 | 第20页 |
| ·特征分析 | 第20-21页 |
| ·分类器设计 | 第21-22页 |
| ·弱分类器设计 | 第21页 |
| ·强分类器设计 | 第21页 |
| ·级联分类器的设计 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 SNAKE目标分割 | 第23-28页 |
| ·概述 | 第23页 |
| ·经典的蛇形模型 | 第23-24页 |
| ·数字图像中的Snake | 第24-25页 |
| ·改进的Snake算法 | 第25-27页 |
| ·改进的Snake曲线初始迭代位置 | 第25-26页 |
| ·改进Snake算法中的能量函数 | 第26-27页 |
| ·改进后的Snake分割步骤 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第五章 实验 | 第28-36页 |
| ·乳房检测实验 | 第28-32页 |
| ·实验平台 | 第28页 |
| ·样本库的建立 | 第28页 |
| ·特征选择 | 第28页 |
| ·乳房分类器训练和参数设置 | 第28-31页 |
| ·负样本的创建 | 第28-29页 |
| ·乳房正样本的创建 | 第29-30页 |
| ·正样本vec文件 | 第30页 |
| ·训练分类器和参数设置 | 第30-31页 |
| ·cascade目录下生成的强分类器 | 第31页 |
| ·最终生成的分类器(XML) | 第31页 |
| ·测试库的建立 | 第31页 |
| ·部分乳房检测效果图 | 第31-32页 |
| ·统计信息 | 第32页 |
| ·女性生殖器检测实验 | 第32-34页 |
| ·样本库的建立 | 第32页 |
| ·特征选择和参数设置 | 第32-33页 |
| ·生殖器分类器的训练 | 第33页 |
| ·测试图像选择 | 第33页 |
| ·生殖器检测 | 第33页 |
| ·统计信息 | 第33-34页 |
| ·色情图像检测 | 第34页 |
| ·Snake分割实验 | 第34-36页 |
| ·部分乳房和生殖器分割的效果图 | 第34-35页 |
| ·Snake分割的一些统计信息 | 第35-36页 |
| 第六章 总结和展望 | 第36-37页 |
| ·本文总结 | 第36页 |
| ·未来工作展望 | 第36-37页 |
| 第七章 参考文献 | 第37-40页 |
| 附录 | 第40-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士期间参与的科研项目 | 第51-52页 |
| 攻读硕士学位期间发表的学术论文 | 第52页 |
