[發明專利]一種基于視覺詞袋的網絡不良圖像檢測方法

有效

• 申請號: 201410317098.3
• 申請日: 2014-07-04
• 公開（公告）號: CN104123538B
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 呂林濤;朱珊;王錦輝
• 申請（專利權）人: 西安理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/46
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 李娜

1.一種基于視覺詞袋的網絡不良圖像檢測方法，其特征在于，具體按照以下步驟實施：

步驟1：圖像預處理，獲取圖像中的膚色區域；

步驟2：特征提取與描述，得到膚色區域關鍵點的特征向量，具體按照以下步驟實施：

第一步：以圖像像素點為單位，對圖像進行均勻間隔采樣；

第二步：對每一個特征點進行雙尺度、均勻加權特征描述，獲得雙尺度特征向量，所述雙尺度指對每一個特征點選取兩個大小不同的像素寬度；

步驟3：構建視覺詞袋，將膚色區域關鍵點中最能代表圖像特征的特征向量篩選出來，組成圖像的視覺詞袋；

步驟4：圖像檢測，用訓練好的分類器對圖像的視覺詞袋進行分類，從而完成不良圖像的檢測，具體按照以下步驟實施：

首先通過樣本訓練得到SVM分類器的最優超平面，之后根據最優超平面確定正支持向量平面和負支持向量平面；在SVM分類空間中將訓練樣本的分布用三個超平面進行劃分，那么通過比較測試樣本與正支持向量平面和負支持向量平面之間的距離，之后統計測試樣本的視覺詞袋中被劃分到負支持向量平面所代表的類中的特征向量比例，若比例大于一定的閾值，其中閾值的取值范圍為0.4，則測試樣本為不良圖像，反之則為正常圖像，選用徑向基核函數作為SVM分類器的空間轉換核函數。

2.根據權利要求1所述的基于視覺詞袋的網絡不良圖像檢測方法，其特征在于，所述的步驟1圖像預處理，具體按照以下步驟實施：

對一個未知的圖像樣本X進行檢測和分類，將其分成非膚色類W₁和膚色類W₂，用C_ij表示原本為W_j類的圖像樣本X被分類成w_i類時所產生的成本，其中i，j表示不同的類別，當i＝j時，表示圖像樣本被正確分類，即原本圖像樣本為膚色區域被分類為膚色類，或者原本圖像樣本為非膚色區域被分類為非膚色類，此時C_ij表示圖像樣本分類正確的成本，而當i≠j時，表示圖像樣本被錯誤分類，即原本為非膚色區域被分類為膚色類，或者原本為膚色區域被分類為非膚色類，此時C_ij表示圖像樣本分類錯誤時的成本，令R_i(x)表示待檢測圖像樣本X被分類為W_i類的成本總數，其中x表示圖像特征，得到公式(1)和公式(2)：

R₁＝C₁₁·p(W₁|X)+C₁₂·p(W₂|X) (1)

R₂＝C₂₁·p(W₁|X)+C₂₂·p(W₂|X) (2)

其中p(W_i|X)表示未知的圖像樣本X屬于W_i類的條件概率；

如果公式(3)和公式(4)的成立：

那么，得到公式(5)和公式(6)：

將公式(5)和公式(6)導入貝葉斯公式(7)：

得到公式(8)和公式(9)的結論：

其中τ表示將未知圖像樣本X分類成非膚色類和膚色類時的閾值，其計算公式如公式(10)所示：

最優閾值τ的取值范圍為[2,4]之間。

3.根據權利要求1所述的基于視覺詞袋的網絡不良圖像檢測方法，其特征在于，所述的步驟3構建視覺詞袋，具體按照以下步驟實施：

令c表示任意數據點，c₁和c₂表示兩個不同類W₁，W₂的中心，d(c₁,c₂)、d(c,c₁)和d(c,c₂)分別表示兩個中心點c₁和c₂之間的距離、數據點c分別與兩個中心點c₁和c₂之間的距離，且c、c₁和c₂不位于同一條直線上，如果d(c₁：c₂)≥2d(c：c₂)，那么d(c,c₂)＜d(c,c₁)同樣成立；

由于上述討論的不等式對于任意三個數據點都適用，所以利用如下的方式來使用三角形三邊關系定理：

令x表示數據集中任意一點，同時令該點目前屬于中心點為c的類中，c'表示其它類的中心點，則根據上述推論，如果公式11成立：

d(c,c')≥2d(x,c) (11)

則d(x,c')＞d(x,c)。