| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 引言 | 第13页 |
| 1.2 敏感图像识别技术概况 | 第13-15页 |
| 1.3 论文的主要研究内容与结构安排 | 第15-18页 |
| 第二章 图像光照补偿方法的研究 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 非线性Gamma矫正方法的分析及改进 | 第18-22页 |
| 2.3 彩色图像的光照补偿方法比较 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 利用线性预测去除图像椒盐噪声 | 第25-30页 |
| 3.1 引言 | 第25-26页 |
| 3.2 算法 | 第26-27页 |
| 3.2.1 算法基本思想 | 第26页 |
| 3.2.2 线性预测算法 | 第26-27页 |
| 3.2.3 利用平滑模板构建图像第一行和第一列 | 第27页 |
| 3.2.4 利用线性预测去除椒盐噪声步骤 | 第27页 |
| 3.3 仿真实验及结果分析 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 皮肤掩码图的提取 | 第30-36页 |
| 4.1 肤色检测模型及结果分析 | 第30-33页 |
| 4.1.1 肤色检测模型 | 第30页 |
| 4.1.2 RGB彩色模型 | 第30-31页 |
| 4.1.3 YUV、YIQ彩色模型 | 第31-33页 |
| 4.1.4 实验结果及分析 | 第33页 |
| 4.2 皮肤纹理分析及结果分析 | 第33-35页 |
| 4.2.1 纹理模型的建立 | 第34页 |
| 4.2.2 实验结果及分析 | 第34-35页 |
| 4.3 掩码图像的处理 | 第35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 敏感图像识别中的特征选择 | 第36-49页 |
| 5.1 引言 | 第36页 |
| 5.2 敏感图像的特征 | 第36-41页 |
| 5.2.1 皮肤连通区域 | 第37-38页 |
| 5.2.2 皮肤区域占整个图像的比例 | 第38页 |
| 5.2.3 皮肤区域占皮肤区域外接矩形的比例 | 第38页 |
| 5.2.4 最大皮肤连通区域占整个图像的比例及区域百分比 | 第38-39页 |
| 5.2.5 图像中心区域皮肤比例 | 第39页 |
| 5.2.6 最大皮肤连通区域的重心分布 | 第39-40页 |
| 5.2.7 最大皮肤连通区域的外接矩形长边 | 第40-41页 |
| 5.2.8 皮肤区域轮廓周长和皮肤区域面积的比值 | 第41页 |
| 5.3 敏感图像的特征选择 | 第41-45页 |
| 5.3.1 Adaboost算法 | 第41-43页 |
| 5.3.2 Adaboost分类器的实现 | 第43页 |
| 5.3.3 基于特征影响因子的特征选择 | 第43-44页 |
| 5.3.4 基于顺序前进法(SFS)的特征选择 | 第44-45页 |
| 5.4 敏感图像的分类及结果分析 | 第45-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 基于ADABOOST的敏感图像识别 | 第49-56页 |
| 6.1 引言 | 第49-50页 |
| 6.2 利用模拟退火算法确定简单分类器的阈值 | 第50-55页 |
| 6.2.1 模拟退火算法说明 | 第50-54页 |
| 6.2.2 试验结果及分析 | 第54-55页 |
| 6.3 本章小结 | 第55-56页 |
| 结论与展望 | 第56-59页 |
| 7.1 结论 | 第56-57页 |
| 7.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间的论文及科研成果 | 第65页 |