[发明专利]基于多模式组合策略的移动互联网色情图像识别方法

权利要求书

1.一种基于多模式组合策略的移动互联网色情图像识别方法，首先利用基于小波纹理修正肤色的色情图像识别算法对图像进行第一次粗过滤，识别出疑似色情图像，并在此基础上:

首先，采用误判图像匹配技术把经常误判的图像搜集起来，组建成一个百万级规模的误判图像库，然后提取图像的全局特征，采用E2LSH技术对图像库中的图像建立索引；

其次，对识别出的疑似色情图像利用基于百万级误判图像库的E2LSH进行快速精确匹配，经过匹配如果在图像库中，则认为是正常的图像，如果不在误判图像库中，则认为是疑似色情图像；

最后，对于经过匹配不在误判图像库中的疑似色情图像，采用基于最大连通感兴趣区的多种特征融合识别算法进行二次过滤，最终识别出色情图像。

2.根据权利要求1所述的基于多模式组合策略的移动互联网色情图像识别方法，其特征是：基于小波纹理修正肤色的色情图像识别算法在肤色检测基础上，加入小波纹理分析去除由于类肤色背景引起的类肤色点，最后利用肤色面积比对图像进行第一次粗过滤，其流程如下：

1）RGB颜色空间变换到HSV颜色空间；

2）将HSV颜色空间进行量化，划分成L个颜色子空间，通过统计分析确定皮肤颜色在这L个子空间中的分布，聚类得到皮肤颜色的分布子空间集合A以及A的隶属度集合W；

3）肤色建模，确定样本皮肤像素的总数shin_count以及样本皮肤像素在这L个子空间的频次sub_count_i，i＝1,...,L，

Σi=1Lsub_count_i=shin_count]]>

以归一化的频次作为皮肤像素分布于该子空间的可能性；

v_i＝sub_count_i/skin_count

为了消除皮肤样本选取不精确和统计因素的影响，设定一个肤色分布概率的可能性阈值T_vi，

如果满足v_i≥T_vi，则w_i＝v_i；否则，w_i＝0，得到：

A＝{A₁,A₂,...,A_L}

W＝{w₁,w₂,...,w_L}

其中，w_i表示对应子空间A_i的隶属度，即A_i中的颜色是皮肤颜色的可能性，i＝1,2,...L，参数L＝72；

4）计算肤色概率：对任意图像F(x,y)，将每一个像素(x,y)转换到HSV颜色空间并量化，得到该像素的颜色子空间标号k，该点属于肤色的概率为w(k)；

5）小波纹理修正肤色，去除类肤色点的干扰：对原图像做一层小波分解，取出变换后的高频系数LH、HH和HL，对三个高频系数求平均得到一个高频平均系数H_AVE；设某个像素点属于肤色的临界概率阈值为th，如果w(k)<th，则该点不是一个肤色点，否则利用H_AVE计算该点周围36*36邻域的小波特征。利用小波高频平均系数计算36*36邻域方差WAVE_VAR，定义属于类肤色点的方差阈值为FALSE_TH，如果WAVE_VAR>=FALSE_TH，该像素不是一个肤色点，否则是一个肤色点；

6）重复步骤4）—5）可以完成对一个图像的肤色分割，计算肤色面积比SKIN_RATION，定义色情图像阈值SEX_TH，如果SKIN_RATION>=SEX_TH，该图像是一副色情图像，否则是一副正常图像。