【摘要】 本发明涉及一种对互联网大麻图像进行的过滤方法，包括步骤：利用尺度不变特征变换算法提取图像的局部特征；对每一个大麻训练图像的每一个局部特征构造一个自相似性弱分类器；自相似性弱分类器考察任意一幅测试图像是否与此自相似性弱分类器的局部特征所在的大麻图像相似及自相似程度是否足够；如果一幅测试图像既与此自相似性弱分类器的局部特征所在的大麻图像相似，又有足够的自相似性；将自相似性弱分类器整合到一起，构造一个强分类器对一幅图像的所有局部特征判断此图像是否为大麻图像。本发明采用自相似性弱分类器，克服现有技术物体识别方法中无法考虑图像内部相似关系的缺点，从而有效地抓住大麻图像的特点。 【专利类型】发明申请 【申请人】中国科学院自动化研究所 【申请人类型】科研单位 【申请人地址】100080 北京市海淀区中关村东路95号 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810239326.4 【申请日】2008-12-10 【申请年份】2008 【公开公告号】CN101751554A 【公开公告日】2010-06-23 【公开公告年份】2010 【授权公告号】CN101751554B 【授权公告日】2012-06-27 【授权公告年份】2012.0 【IPC分类号】G06K9/00; G06K9/62; H04L29/06 【发明人】胡卫明; 谢年华; 吴偶 【主权项内容】一种对互联网大麻图像进行的过滤方法，其特征在于，包括步骤：步骤1：利用尺度不变特征变换算法提取图像的局部特征；步骤2：对每一个大麻训练图像的每一个局部特征构造一个自相似性弱分类器，其中每个自相似性弱分类器包括一个局部特征，一个距离阈值，一个数量阈值；自相似性弱分类器考察任意一幅测试图像的两方面性质：一是这幅测试图像是否与此自相似性弱分类器的局部特征所在的大麻图像相似，二是这幅测试图像的自相似程度是否足够；如果一幅测试图像既与此自相似性弱分类器的局部特征所在的大麻图像相似，又有足够的自相似性，自相似性弱分类器输出1，否则输出-1；步骤3：基于Adaboost算法将自相似性弱分类器整合到一起，构造一个强分类器，此强分类器根据一幅图像的所有局部特征判断此图像是否为大麻图像。 【当前权利人】中国科学院自动化研究所 【当前专利权人地址】北京市海淀区中关村东路95号 【统一社会信用代码】12100000400010945B 【被引证次数】7 【被他引次数】7.0 【家族引证次数】3.0 【家族被引证次数】7
