[发明专利]基于最邻近标签传播算法的图像型垃圾邮件检测方法

权利要求书

1.一种利用基于最邻近标签传播算法检测图像型垃圾邮件的方法，其特征在于该方法包含的步骤为：

步骤1）训练已知类别数据集，获取聚类中心点信息，其中类别分为正常图片和垃圾图片：

步骤1.1）输入已知类别数据集中的正常图片和垃圾图片；

步骤1.2）提取每幅图片的加速鲁棒性特征描述符信息：

步骤1.2.1）获取输入的图片；

步骤1.2.2）获取输入图片的积分图片；

步骤1.2.3）获取积分图片的像素点；

步骤1.2.4）输入图片的第一个像素点；

步骤1.2.5）判断图片该像素点是否存在，如果存在，转步骤1.2.6），否则，转步骤1.2.14）；

步骤1.2.6）计算该像素点的海森矩阵及行列式值；

步骤1.2.7）判断该点是否是极值点，如果是，转步骤1.2.8），否则，转步骤1.2.13）；

步骤1.2.8）确认该极值点为加速鲁棒性特征点；

步骤1.2.9）获取该特征点在原始图片中的位置、尺度信息；

步骤1.2.10）获取该特征点在原始图片中的主方向；

步骤1.2.11）根据该特征点的位置、尺度、主方向信息，计算该特征点的加速鲁棒性特征描述符；其中，加速鲁棒性特征描述符采用64维描述向量存储；

步骤1.2.12）输入图片下一个像素点，转步骤1.2.5）；

步骤1.2.13）系统自动舍弃该点，转步骤1.2.12）；

步骤1.2.14）输出图片的所有加速鲁棒性特征点描述符信息；

步骤1.3）随机初始化聚类中心点，根据均值聚类算法，同时聚类已知类别数据集中所有图片的加速鲁棒性特征描述符：

步骤1.3.1）获取需要聚类的所有加速鲁棒性特征点描述符信息；

步骤1.3.2）获取聚类中心点的个数；

步骤1.3.3）输入第一个加速鲁棒性特征点信息；

步骤1.3.4）判断该加速鲁棒性特征点是否存在，如果存在，转步骤1.3.5），否则，转步骤1.3.9）；

步骤1.3.5）分别计算该加速鲁棒性特征点到所有聚类中心点的距离；

步骤1.3.6）选择最短距离，获取与最短距离相应的聚类中心信息；

步骤1.3.7）将该加速鲁棒性特征点聚类到该聚类中心中；

步骤1.3.8）输入下一个加速鲁棒性特征点，转步骤1.3.5）；

步骤1.3.9）总结每个聚类中心中的加速鲁棒性特征点描述符信息；

步骤1.3.10）更新所有聚类中心点信息：将每个聚类中心中的加速鲁棒性特征点描述符信息求和再取平均；

步骤1.3.11）输出聚类后的所有的加速鲁棒性特征描述符信息；

步骤1.4）输出所有的聚类中心点信息，即聚类后的所有的加速鲁棒性特征描述符信息；

步骤2）训练已知类别数据集和测试数据集，获取每幅图片均值聚类后的加速鲁棒性特征描述符信息：

步骤2.1）输入已知类别数据集中的正常图片和垃圾图片、测试数据集中的测试图片；

步骤2.2）标签图片：若输入的图片属于正常图片数据集，则标签为0，若输入的图片属于垃圾图片数据集，则标签为1，若输入的图片属于测试图片数据集，则默认为垃圾图片，标签为1；

步骤2.3）提取每幅图片的加速鲁棒性特征描述符信息，具体提取方法采用步骤1.2）中的步骤1.2.1）至步骤1.2.14）；

步骤2.4）获取聚类中心点信息，具体获取方法采用步骤1）中的步骤1.1）至步骤1.4）；

步骤2.5）根据聚类中心点信息，使用均值聚类算法，聚类每幅图片的加速鲁棒性特征描述符，具体聚类方法采用步骤1.3.1）至步骤1.3.11）；

步骤2.6）输出每幅图片均值聚类后的加速鲁棒性特征描述符信息；

步骤3）基于最邻近的标签传播算法分类图片：

步骤3.1）获取所有图片聚类后的加速鲁棒性特征描述符信息；其中，所有图片包括已知类别数据集中的图片和测试数据集中的图片；

步骤3.2）初始化已知类别数据集标签矩阵Y_lc：

其中，y_ij表示类别数据集标签矩阵Y_lc的第i行第j列的元素值；l表示已知类别数据集中的图片数；c＝2，表示分类的类别数，共两类，分为正常图片类别（j=0）和垃圾图片类别（j=1）；

步骤3.3）初始化标签概率分布矩阵LP_nc：

lpij=yij0≤i<l01≤i<n,j=0,0≤i<n,0≤j<c11≤i<n,j=1---(2)]]>

其中，lp_ij表示标签概率分布矩阵LP_nc的第i行第j列的元素值；n表示已知类别数据集和测试数据集中的所有图片数；c=2，表示分类的类别数；y_ij计算过程见公式（1）；

步骤3.4）根据图片的加速鲁棒性特征描述符，计算图片之间的相似度W_nn：

wij=1i=j1Σh=164×m(fih-fjh)2i≠j,0≤i<n,0≤j<n---(3)]]>

其中，w_ij表示相似度矩阵W_nn的第i行第j列的元素值；n表示已知类别数据集和测试数据集中的所有图片数；f_ih表示第i张图片的第h个加速鲁棒性特征描述符信息，具体提取过程采用步骤2）的步骤2.1）至步骤2.6）；

步骤3.5）根据相似度矩阵W_nn，计算图片之间的相似度排列矩阵：

其中，表示相似度排列矩阵的第i行第j列的元素值；n表示已知类别数据集和测试数据集中的所有图片数；W_nn是相似度矩阵，w_ij表示第i幅图片与第j幅图片之间的相似度，计算过程为公式（3）；

步骤3.6）根据相似度排列矩阵，计算图片之间的相似度K排列矩阵P_nn：

pij=0pij′≠1|2|...|K1pij′=1|2|...|K,0≤i<n,0≤j<n---(5)]]>

其中，P_ij表示相似度K排列矩阵P_nn的第i行第j列的元素值；n表示已知类别数据集和测试数据集中的所有图片数；表示第i幅图片与第j幅图片之间的相似度排列位置，计算过程见公式（4）；K=已知类别的图像数+测试的图像数/10，表示表示选取与图像相似度最相近的图像幅数；

步骤3.7）根据相似度矩阵W_nn，计算图片之间的传播概率矩阵T_nn：

tij=wijΣh=1nwih,0≤i<n,0≤j<n---(6)]]>

其中，t_ij表示传播概率矩阵T_nn的第i行第j列的元素值；n表示已知类别数据集和测试数据集中的所有图片数；w_ij表示第i幅图片与第j幅图片之间的相似度，计算过程见公式（3）；

步骤3.8）将每张图片视为一个节点，生成带权完全连接图；

步骤3.9）根据每个节点的标签，进行标签传播：

步骤3.9.1）根据相似度排列矩阵，确定每个节点最邻近的节点个数；

步骤3.9.2）生成最邻近图；

步骤3.9.3）更新标签概率分布矩阵LP_nc：

lpij=Σh=1ntihpihlphj,0≤i<n,0≤j<c---(7)]]>

其中，lp_ij表示标签概率分布矩阵LP_nc的第i行第j列的元素值；n表示已知类别数据集和测试数据集中的所有图片数；c＝2，表示分类的类别数；t_ij表示第i幅图片与第j幅图片之间的传播概率，计算过程为公式（6）；p_ij表示第i幅图片与第j幅图片之间的相似度的排列位置是否属于前K个，计算过程为公式（5），K=已知类别的图像数+测试的图像数/10，表示表示选取与图像相似度最相近的图像幅数；

步骤3.9.4）限制已知类别数据，再次更新标签概率分布矩阵LP_nc：

lpij=yij0≤i<llpijl≤i<n,0≤i<n,0≤j<c---(8)]]>

其中，lp_ij表示标签概率分布矩阵LP_nc的第i行第j列的元素值；n表示已知类别数据集和测试数据集中的所有图片数；c＝2，表示分类的类别数；y_ij表示第i幅图片是否属于类别j，计算过程见公式（1）；

步骤3.9.5）判断标签概率分布矩阵是否收敛，如果收敛，转步骤3.9.6），否则，转步骤3.9.3）；

步骤3.9.6）根据标签概率分布矩阵，输出测试图片的标签；

步骤4）根据测试图片的标签，将测试图片进行正常图片与垃圾图片分类。