基于图像底层特征的图像型垃圾邮件识别研究

摘要

垃圾邮件已经成为世界各地电子邮件用户的公害，为了有效阻止垃圾邮件的不断增长，国内外学者已经提出了多种垃圾邮件检测算法。当前主流的反垃圾邮件系统主要采用了基于文本内容特征的手段来检测和过滤垃圾邮件。为了规避此类反垃圾邮件系统的检查，垃圾邮件发送者改用“图像型垃圾邮件”来发送垃圾信息。因此研究图像型垃圾邮件检测与过滤技术具有重要的理论意义与实际价值。
　　本文在详细分析了图像型垃圾邮件特点的基础上，主要完成了如下的工作：
　　首先，提出并实现了一种基于圆周模板的角点信息提取算法，该算法能够快速的提取图像中的角点信息。此算法大幅度的降低了角点检测的耗时，这为检测垃圾邮件图像的后续处理工作赢得了时间。
　　其次，为提取图像的文字布局和轮廓特征，提出一种适合于垃圾邮件图像的图像布局和轮廓特征的边缘夹角特征。实验结果表明，此特征很好的刻画了图像的布局和轮廓特征。
　　最后，提出并实现了一种有效的基于图像底层特征的图像型垃圾邮件检测方法。此方法通过提取图像布局和轮廓特征结合图像的颜色特征以及图像角点特征实现对图像型垃圾邮件的识别。实验结果表明，此方法对垃圾邮件图像的召回率达到98％以上，而提取每一幅图像特征的平均时间仅需要105ms。此方法很好的兼顾了实时性和准确性。目前，此方法已经作为重要的功能模块集成到自主研发的企业级垃圾信息综合举报系统中。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3论文的工作

1.4 论文章节安排

第二章 图像型垃圾邮件检测技术

2.1 图像型垃圾邮件的特点及检测难点

2.2 图像型垃圾邮件特点分析

2.3 分类算法在图像型垃圾邮件中的应用

2.4 分类算法的性能评价标准

2.5本章小结

第三章 基于圆周模板的角点检测算法

3.1 边缘检测

3.2经典的SUSAN边缘检查算法

3.3 圆周模板设计与角点检测

3.4 实验结果分析

3.5 本章小结

第四章 基于图像底层特征的图像型垃圾邮件识别算法

4.1 引言

4.2 图像底层特征分析

4.3 图像底层特征提取

4.4 实验结果分析

4.5算法实时性分析

4.6 本文算法鲁棒性验证及分析

4.7 与主流算法的对比分析

4.8 本章小结

第五章 结论

致谢

参考文献

攻读硕士学位期间取得的研究成果