| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·选题背景及意义 | 第8-9页 |
| ·图像型垃圾邮件的研究状况 | 第9-11页 |
| ·本文主要工作与创新 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 第二章 图像型垃圾邮件检测技术概述 | 第13-26页 |
| ·图像型垃圾邮件定义、类型及特征 | 第13-15页 |
| ·图像型垃圾邮件检测技术分析 | 第15-17页 |
| ·黑白名单（Black and White List）技术 | 第15-16页 |
| ·基于行为的垃圾邮件过滤技术 | 第16页 |
| ·基于内容的垃圾邮件过滤技术 | 第16-17页 |
| ·图像的特征分析 | 第17-24页 |
| ·元数据特征 | 第18-19页 |
| ·文本区域特征 | 第19页 |
| ·视觉特征 | 第19-24页 |
| ·相似性度量标准 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于EMD距离相似性测量的图片分类器 | 第26-38页 |
| ·引言 | 第26页 |
| ·SIFT特征提取 | 第26-28页 |
| ·直方图和签名 | 第28-29页 |
| ·基于EMD距离相似性测量的分类器 | 第29-33页 |
| ·EMD距离 | 第29-31页 |
| ·分类器设计及阈值的确定 | 第31-33页 |
| ·实验分析 | 第33-37页 |
| ·图片数据集 | 第33-34页 |
| ·性能评价指标 | 第34-35页 |
| ·阈值的确定 | 第35页 |
| ·实验结果与分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于文本和图片的联合分类器 | 第38-48页 |
| ·基于OCR的贝叶斯文本分类器 | 第38-41页 |
| ·OCR技术和文本特征向量 | 第39-40页 |
| ·贝叶斯分类器 | 第40-41页 |
| ·基于文本和图片的联合分类器 | 第41-44页 |
| ·系统架构 | 第41-42页 |
| ·合并算法 | 第42-44页 |
| ·实验分析 | 第44-47页 |
| ·图片数据集和评价指标 | 第44页 |
| ·实验结果与分析 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·研究总结 | 第48页 |
| ·今后研究工作展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的论文 | 第51页 |
| 攻读硕士学位期间获得的专利申请 | 第51-52页 |
| 缩略词 | 第52-53页 |
| 图表清单 | 第53-55页 |
| 参考文献 | 第55-60页 |