[发明专利]改进图像分割算法结合深度学习的多重不良图片分类方法

摘要

改进图像分割算法结合深度学习的多重不良图片分类方法涉及信息技术领域尤其是图像识别技术领域，其特征在于包含肤色识别，肤色区域的主要成分分析，深度学习，基于卷积神经网络的色情图片识别四个主要步骤；首先通过基于YCbCr理论的肤色像素检测与皮肤区域划分算法筛除掉非色情图片，未确定类别的图片将在特征提取以后进入基于LeNet5的卷积神经网络模型进行判别。与传统的基于肤色和特征的识别相比，本发明能较好地排除非人体部位图片的噪声影响，不受光线遮挡和人体姿势的约束的优势，可以大幅度提高传统色情图片分类的准确率；与一般的基于卷积神经网络的深度学习比较，不需要海量的标注图片，其次深度残差网络的特点决定了模型能更好地分析出色情图片的特点，只需十小时左右的训练，就可达到90%以上的识别效果。

主权项

改进图像分割算法结合深度学习的多重不良图片分类方法，其特征在于包含：肤色识别，肤色区域的主要成分分析，深度学习，基于卷积神经网络的色情图片识别四个主要步骤；1）.肤色识别（1）将图像转化到YCbCr颜色空间：肤色检测主要是根据肤色在颜色空间上的分布特征来检测图像中的肤色区域，由于YCbCr空间可以将亮度和色度分离，而其中CgCr色度受亮度变化的影响较少，且是二维独立分布，因此肤色模型选用YCbCr色度空间来构建；（2）使用表达式(Cb > 77 And Cb < 127) And (Cr > 133 And Cr < 173)遍历图片的每个像素，检测像素颜色是否为肤色，属于表达式范围内的确定为肤色；（3） 将相邻的肤色像素归为一个皮肤区域，得到若干个皮肤区域，剔除像素数量极少的皮肤区域；（4） 我们定义非色情图片的判定规则是：皮肤区域的个数小于 2个为非色情图片，皮肤区域的像素与图像所有像素的比值小于 15%为非色情图片，皮肤区域数量超过60个为非色情图片；2）.肤色区域的主要成分分析（1）图像色彩降维处理即灰化处理：本方法所采用的测试图像均统一使用 JPG 格式图像，JPG 格式图像的颜色空间是RGB 颜色空间，即使用红、绿、蓝三原色组合来表示像素的颜色值，二进制值范围为0~255；由于彩色图像采用颜色空间，在对图像不做任何降维处理的情况下，算法系统所要处理的数据量将严重影响算法系统的处理效率，为提高处理效率对所有的图像库图片进行降维处理，具体的做法是调用 OpenCV 的库函数 cvCvtColor 来对图像进行处理，该函数的原型为：cvCvtColor(src, dest, CV_CONVERT_TYPE)；该函数接受三个参数，第一个参数为需要处理的源图像数据结构指针，第二个参数为处理后的输出图像数据结构指针，第三个参数为转换类型，即从哪种颜色空间转换为哪种颜色空间，本系统将图像从 RGB 空间转换为 GRAY 灰度空间，经过转换后，输出图像将采用单一的灰度值来表示像素点颜色值；（2）图像尺寸归一化：把输入图片大小归一化，需要对图片进行下一步预处理，将图像大小压缩至长度小于320，宽度小于240的比例。