基于内容的WEB图像过滤技术研究
摘要 | 第1-5页 |
ABSTRACT | 第5-7页 |
目录 | 第7-10页 |
第一章 绪论 | 第10-23页 |
·研究背景、目的和意义 | 第10-11页 |
·网络过滤技术介绍 | 第11-13页 |
·基于URL过滤方式 | 第12页 |
·基于文本的过滤方式 | 第12页 |
·基于图像内容的过滤方式 | 第12-13页 |
·网络过滤系统的性能评价 | 第13页 |
·目前已有的研究进展 | 第13-18页 |
·国外研究进展 | 第14-17页 |
·国内研究进展 | 第17-18页 |
·存在的问题 | 第18页 |
·研究目标与内容 | 第18-20页 |
·论文组织结构 | 第20-23页 |
第二章 皮肤检测 | 第23-47页 |
·肤色的可分性 | 第23-24页 |
·颜色空间 | 第24-28页 |
·RGB颜色空间 | 第25页 |
·HSI颜色空间 | 第25-26页 |
·YCbCr颜色空间 | 第26页 |
·颜色空间选择 | 第26-28页 |
·肤色模型 | 第28-37页 |
·肤色区域模型 | 第28-31页 |
·高斯模型 | 第31-34页 |
·单高斯模型 | 第31-32页 |
·高混合斯模型 | 第32-34页 |
·统计直方图模型 | 第34-37页 |
·综合颜色、纹理和邻域信息的皮肤检测 | 第37-42页 |
·SPM方法的不足 | 第37-38页 |
·利用Gabor变换得到纹理特征 | 第38-40页 |
·利用纹理图降低错检率 | 第40-41页 |
·利用邻域信息提高正检率 | 第41-42页 |
·利用形态学算子进行滤波 | 第42-44页 |
·实验结果 | 第44-45页 |
·本章小结 | 第45-47页 |
第三章 人脸检测及其作用 | 第47-67页 |
·人脸检测方法 | 第48-49页 |
·基于Adaboost的人脸检测算法 | 第49-53页 |
·特征提取 | 第50-51页 |
·AdaBoost学习算法 | 第51-53页 |
·分级分类器 | 第53页 |
·人脸区域的验证 | 第53-57页 |
·利用肤色特征验证人脸区域 | 第54-56页 |
·利用几何特征验证人脸区域 | 第56-57页 |
·脸部为重点的图像识别 | 第57-59页 |
·利用人脸肤色的自动白平衡 | 第59-65页 |
·白平衡介绍 | 第59-61页 |
·利用人脸肤色的自动白平衡校正 | 第61-65页 |
·本章小结 | 第65-67页 |
第四章 特征提取 | 第67-84页 |
·特征描述 | 第67-68页 |
·基于皮肤掩码图像提取的特征 | 第68-70页 |
·颜色特征 | 第70-74页 |
·颜色矩 | 第70-71页 |
·色度矩 | 第71-72页 |
·颜色相关图 | 第72-74页 |
·纹理特征 | 第74-79页 |
·小波变换与多尺度分析 | 第74-77页 |
·小波包分析 | 第77-79页 |
·基于小波包技术的纹理特征 | 第79页 |
·形状特征 | 第79-82页 |
·Hu不变矩 | 第79-80页 |
·基于边缘信息的不变矩 | 第80-81页 |
·基于不变矩的形状特征 | 第81-82页 |
·本章小结 | 第82-84页 |
第五章 基于主动SVM的图像识别 | 第84-104页 |
·选择SVM原因 | 第84-85页 |
·支持向量机 | 第85-88页 |
·核函数的选择及参数调节 | 第88-90页 |
·提高SVM分类精度的方式 | 第90-91页 |
·SVM主动学习方法 | 第91-93页 |
·SVM增量学习 | 第93-94页 |
·增量式主动学习 | 第94-95页 |
·直推式SVM学习 | 第95-99页 |
·归纳推理和直推式推理 | 第95-96页 |
·SVM直推式学习方法 | 第96-99页 |
·SVM直推式增量主动学习 | 第99-100页 |
·实验结果 | 第100-102页 |
·本章小结 | 第102-104页 |
第六章 总结与展望 | 第104-107页 |
·本文工作总结 | 第104-106页 |
·未来工作建议及展望 | 第106-107页 |
参考文献 | 第107-115页 |
致谢 | 第115-116页 |
攻读博士学位期间发表的论文和参与的研究工作 | 第116-118页 |