利用網頁特征識別不良圖像網頁.pdf

1、在現(xiàn)在社會中，無論在國際上還是在國內人們都普遍認為色情網頁會毒害青少年，危害他們的身心健康，阻礙他們的健康發(fā)展，有的甚至會因此而走上犯罪的道路。因此有必要針對色情網頁中的各種信息特點來區(qū)分正常信息和不良信息。結合本文作者研究方向，本文選擇了結合互聯(lián)網中的色情圖像網頁的特征來識別不良圖像網頁。
　　 針對網頁中內容的特點和網站的規(guī)模，監(jiān)管力度，本文將含有不良圖像的網站分為三類：較大較熱的論壇，blog，他們監(jiān)管較為嚴格；規(guī)模較小，

2、或者監(jiān)管較松的論壇，blog；以及含有大量色情圖像的色情網站。本文選擇了幾個規(guī)模較大社區(qū)，例如國內著名的貓撲和天涯社區(qū)，監(jiān)管較為松散的微軟中文Live社區(qū)，以及數(shù)十個色情網站作為研究對象。本文首先選取不同的網站URL作為爬蟲爬行的種子，然后選取不同的爬行策略，抓取不同深度的網頁。提取網頁中的圖像數(shù)據(jù)，其他網頁數(shù)據(jù)，作為進一步研究的資料。
　　 在上面數(shù)據(jù)的基礎上，本文研究了內容包括色情圖像的內容特征。研究從色情圖像裸露出大量的皮

3、膚區(qū)域這一特征出發(fā)，涉及的內容有：膚色面積與圖像面積比，膚色所在矩形面積與，膚色連通區(qū)域的個數(shù)，最大連通區(qū)域與圖像面積的比，膚色平均方差，膚色平均概率值等等，同時也研究了色情圖像與周圍多媒體網頁內容之間的關系，比如整個網站中色情圖像占圖像內容的比重，色情文字網頁的特征。但是有時候在正常網站或者色情網站的主角臉部特寫時，也會被誤判為色情圖像。所以本文進一步研究了能夠區(qū)分出的距常人臉比例特征。
　　 雖然在正常的網站中也有可能存在大

4、量的不良圖像，可是由于利用膚色特征判斷圖片是否為不良圖片存在誤判的情況，使得對正常網站的圖像檢測時，出現(xiàn)誤判的數(shù)量和機會大大增加。但是正常網站的不良圖像大部分都是常見頻率較高的圖像?？梢詫@些圖像進行特征分析，判斷，從而得到很好的結果。在這里使用了經過聚類的128維的SIFT特征對正常網站的圖片來進行判斷，使得在正常網站中的誤判情況大大減小。
　　 最后本文給出了實驗的環(huán)境，完整步驟，利用實驗數(shù)據(jù)說明了實驗理論的正確性。本文對實