圖像型垃圾郵件過濾技術研究.pdf

1、持續(xù)增長的垃圾郵件已嚴重威脅到人們的正常交流，為遏止垃圾郵件進一步擴散，學者們已提出大量垃圾郵件檢測算法。目前，利用文本內容特征識別垃圾郵件是主要的檢測手段，并被廣泛應用于各種反垃圾郵件系統。為逃避此類系統的檢測，垃圾郵件制造者將垃圾信息嵌入圖像并以附件形式發(fā)送。導致幾乎所有基于文本內容的反垃圾郵件工具失效，該類型垃圾郵件被稱為“圖像型垃圾郵件”。本文詳細分析了這種新型垃圾郵件的特點，并深入探討其檢測方式。 首先，對圖像型垃圾郵

2、件檢測技術的現狀作了綜述。包括圖像型垃圾郵件檢測的難點、用于識別圖像型垃圾郵件的圖像特征、機器學習算法及算法性能的評價標準。利用圖像特征識別圖像型垃圾郵件是目前的主要途徑，但已分析出的圖像特征并未取得理想的識別效果。因此，本文主要工作在于挖掘出更理想的可用于識別圖像型垃圾郵件的圖像特征。 含有大量文字是垃圾郵件圖像的重要特征，為提取文字角點信息，提出一種適合于垃圾郵件圖像的角點檢測算法．首先利用彩色邊緣檢測算子和閾值分割算法獲取

3、圖像邊緣，然后采用一個圓形模板提取文字角點信息，邊緣檢測和閾值分割可以去除大部分干擾，圓形模板對文字方向不敏感。實驗表明，新算法具有比SUSAN算法更好的角點定位效果，并可同時獲取角點的近似角度值。利用所獲取的角點信息，本文進一步提出一種改進的文本區(qū)域定位算法——ECTL。其核心思想是利用角點等邊緣特征識別并去除非文字邊緣，降低干擾邊緣對文本區(qū)域定位的影響。實驗表明，ECTL算法能夠定位圖像中96％的文本區(qū)域，精確率超過97．6％。

4、 最后，本文提出并實現了兩種有效的圖像型垃圾郵件檢測算法。算法—利用ECTL算法定位圖像中的文本區(qū)域從而提取文本區(qū)域特征，結合圖像屬性特征能夠識別超過98％的圖像型垃圾郵件。算法二無需定位文本區(qū)域，利用顏色和角點特征識別圖像型垃圾郵件。實驗表明，其談別精度略低于基于文本區(qū)域特征的圖像型垃圾郵件識別算法。但提取每一幅圖像的文本區(qū)域特征和屬性特征約需400ms，而提取顏色和角點特征僅需112ms。相比之下，算法二的實時性更好。目前，兩種