網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)設(shè)計

趙豐華

(溫州商學(xué)院實驗實訓(xùn)中心，浙江 溫州 325200)

0 引言

隨著計算機應(yīng)用技術(shù)的發(fā)展和網(wǎng)絡(luò)信息實時性、互聯(lián)網(wǎng)信息共享性的普及，網(wǎng)絡(luò)已經(jīng)成為人們生活中不可缺少的一部分，人們利用網(wǎng)絡(luò)進行工作和學(xué)習(xí)[1]。人們可以通過網(wǎng)絡(luò)查詢自己所需要的資料來充實自己的學(xué)識、利用網(wǎng)絡(luò)和親朋好友在線聊天溝通感情、在跨省跨國的大企業(yè)內(nèi)可以通過網(wǎng)絡(luò)進行視頻會議，網(wǎng)絡(luò)可以給人帶來方便[2]。網(wǎng)絡(luò)寬帶和多媒體技術(shù)的不斷發(fā)展，網(wǎng)絡(luò)中的視頻信息和圖像信息的數(shù)量也越來越多，人們可以通過視頻、圖像、音頻等途徑獲取更多的信息[3-4]。但是，網(wǎng)絡(luò)是一把“雙刃劍”，動態(tài)圖像信息可以更好地傳播信息，使信息更加清晰明了，但是動態(tài)圖像信息在給人們獲取信息帶來便利的同時，也成為不良信息的主要傳播途徑，使人們受到網(wǎng)絡(luò)不良信息的侵害[5-6]。在這種情況下對互聯(lián)網(wǎng)中的不良動態(tài)圖像信息進行過濾，為人類創(chuàng)造一個干凈的、健康的網(wǎng)絡(luò)環(huán)境是世界各國共同的目標(biāo)[7]。

網(wǎng)絡(luò)實時動態(tài)圖像過濾是實現(xiàn)網(wǎng)絡(luò)安全的主要途徑之一，是網(wǎng)絡(luò)安全中的新方法，引起了很多專家和學(xué)者的關(guān)注，并提出了一些有效的方法和建議。為了更好的降低不良網(wǎng)絡(luò)實時動態(tài)圖像信息給人們帶來的危害，需要對網(wǎng)絡(luò)實時動態(tài)圖像過濾系統(tǒng)進行深入的研究。文獻[8]提出了一種基于圖像信息內(nèi)容過濾的智能系統(tǒng)，該系統(tǒng)主要解決因網(wǎng)絡(luò)安全隱患所引起的圖像信息不能及時進行過濾處理的問題，該方法運用圖像的輪廓特征提取和圖像智能檢索的核心算法，將圖像過濾過程當(dāng)作一個分布式求解的過程進行處理并解決問題，該方法可以準(zhǔn)確、實時地對網(wǎng)絡(luò)實時動態(tài)圖像信息進行過濾，但系統(tǒng)的檢索速率較慢。文獻[9]提出了一種基于SVM的物聯(lián)網(wǎng)大數(shù)據(jù)動態(tài)圖像信息過濾系統(tǒng)，該系統(tǒng)首先提取了網(wǎng)絡(luò)實時動態(tài)圖像信息進行過濾前的預(yù)處理，然后提取網(wǎng)絡(luò)實時動態(tài)圖像信息的主要特征對圖像信息進行關(guān)聯(lián)數(shù)據(jù)的排序，再將網(wǎng)絡(luò)實時動態(tài)圖像信息進行過濾，最后將網(wǎng)絡(luò)實時動態(tài)圖像信息進行系統(tǒng)性的處理，該系統(tǒng)在日常工作中系統(tǒng)的基準(zhǔn)度比較高，但是系統(tǒng)的過濾性能比較差。文獻[10]提出了一種適用于多數(shù)據(jù)鏈的網(wǎng)絡(luò)實時動態(tài)圖像信息過濾的系統(tǒng)設(shè)計方法，該系統(tǒng)所采用的方法是一種近期新研發(fā)的圖像信息數(shù)據(jù)過濾方法，在網(wǎng)絡(luò)實時動態(tài)圖像信息多樣化的情況下，對圖像信息數(shù)據(jù)進行隨機抽樣和轉(zhuǎn)發(fā)完成圖像信息的過濾，該系統(tǒng)的過濾方法可以滿足各種各樣的網(wǎng)絡(luò)實時動態(tài)圖像信息，但是該系統(tǒng)的過濾方法收斂速率較慢。

相關(guān)專家學(xué)者根據(jù)網(wǎng)絡(luò)實時動態(tài)圖像信息過濾在實際運用中存在過濾時效性差的弊端以及上述方法中存在的問題進行分析和優(yōu)化設(shè)計，提出了一種網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)設(shè)計方法，通過多次的實驗測試表明，本文所設(shè)計的過濾系統(tǒng)的不良圖像信息時效性和查全率較高，誤檢率較低。

1 網(wǎng)絡(luò)動態(tài)圖像信息智能過濾系統(tǒng)的整體設(shè)計

網(wǎng)絡(luò)實時動態(tài)圖像信息中包含的內(nèi)容有很多，動態(tài)圖像中的背景、顏色、形狀和圖像的亮度也不盡相同，所以網(wǎng)絡(luò)實時動態(tài)圖像信息的范圍很大。通過分析大量的網(wǎng)絡(luò)實時動態(tài)圖像信息發(fā)現(xiàn)大部分的網(wǎng)絡(luò)實時動態(tài)圖像信息以人體為主，通常含有裸露的皮膚。在網(wǎng)絡(luò)實時動態(tài)圖像過濾中可以通過圖像膚色檢測模塊、圖像紋理檢測模塊、圖像輪廓檢測模塊、圖像分割模塊、圖像分類模塊和圖像特征提取模塊等完成對網(wǎng)絡(luò)實時動態(tài)圖像信息的智能過濾。網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)的整體設(shè)計圖如圖1所示。

圖1 圖像信息智能過濾系統(tǒng)的整體設(shè)計圖

對網(wǎng)絡(luò)實時動態(tài)圖像信息進行智能過濾時，首先要對動態(tài)圖像進行預(yù)處理，將動態(tài)圖像信息的格式統(tǒng)一。然后通過圖像膚色檢測、圖像紋理檢測和圖像輪廓檢測對網(wǎng)絡(luò)實時動態(tài)圖像信息進行檢測，將檢測完成后的動態(tài)圖像進行分類，最后通過圖像形狀描述符對網(wǎng)絡(luò)實時動態(tài)圖像信息進行特征提取完成網(wǎng)絡(luò)實時動態(tài)圖像信息的過濾。

2 網(wǎng)絡(luò)動態(tài)圖像信息智能過濾系統(tǒng)的硬件設(shè)計

2.1 動態(tài)圖像信息過濾系統(tǒng)的圖像分類模塊設(shè)計

圖像分類是進行網(wǎng)絡(luò)實時動態(tài)圖像信息過濾的基礎(chǔ)。由于網(wǎng)絡(luò)實時動態(tài)圖像信息的數(shù)量較為龐大，動態(tài)圖像的復(fù)雜度也比較高。為了簡化網(wǎng)絡(luò)實時動態(tài)圖像過濾的過程，在對網(wǎng)絡(luò)實時動態(tài)圖像信息進行過濾之前，要對網(wǎng)絡(luò)實時動態(tài)圖像信息進行分類。分類的依據(jù)是網(wǎng)絡(luò)實時動態(tài)圖像的來源、大小、顏色和形狀特征等。

2.2 動態(tài)圖像信息過濾系統(tǒng)的膚色檢測模塊設(shè)計

網(wǎng)絡(luò)實時動態(tài)圖像信息進行膚色檢測方法時，動態(tài)圖像大部分都是建立在像素的基礎(chǔ)上。目前最常見的兩種網(wǎng)絡(luò)實時動態(tài)圖像信息膚色檢測方法是利用動態(tài)圖像高斯混合模型和動態(tài)圖像統(tǒng)計直方圖模型。網(wǎng)絡(luò)實時動態(tài)圖像信息在進行膚色檢測時，利用動態(tài)圖像信息中膚色色調(diào)的圖像色彩聚集性對網(wǎng)絡(luò)實時動態(tài)圖像信息中含有的皮膚圖像像素進行分析和動態(tài)圖像信息特征的提取。網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)的膚色檢測模塊圖如圖2所示。

圖2 圖像信息過濾系統(tǒng)的膚色檢測模塊圖

2.3 動態(tài)圖像信息過濾系統(tǒng)的紋理檢測模塊設(shè)計

網(wǎng)絡(luò)實時動態(tài)圖像信息進行過濾時一般通過紋理檢測對動態(tài)圖像信息中所含的膚色部分進行仔細(xì)篩選。光滑是網(wǎng)絡(luò)實時動態(tài)圖像中含有皮膚部分的圖像紋理特點，將含有皮膚部分的動態(tài)圖像信息用灰度圖像表示時，具有灰度包絡(luò)平穩(wěn)和包絡(luò)的變化較小等特點，除皮膚圖像信息外其他圖像并不具有這些特點。分別對網(wǎng)絡(luò)實時動態(tài)圖像信息中含有的紅、藍、綠3種基色進行處理，將完成處理的圖像信息進行紋理檢測。網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)的紋理檢測模塊圖如圖3所示。

圖3 圖像信息過濾系統(tǒng)的紋理檢測模塊圖

2.4 動態(tài)圖像信息過濾系統(tǒng)的輪廓檢測模塊設(shè)計

網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾中輪廓檢測的基本原理是觀察和分析網(wǎng)絡(luò)實時動態(tài)圖像信息中像素的灰度變化，并根據(jù)網(wǎng)絡(luò)實時動態(tài)圖像信息的像素變化規(guī)律進行圖像信息的邊緣檢測。輪廓指的是網(wǎng)絡(luò)實時動態(tài)圖像信息周圍的邊緣像素發(fā)生變化后產(chǎn)生的現(xiàn)象。在網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾的過程中，圖像的輪廓信息非常重要。

2.5 動態(tài)圖像信息過濾系統(tǒng)形狀描述符模塊設(shè)計

當(dāng)網(wǎng)絡(luò)實時動態(tài)圖像信息完成輪廓檢測后，得到了動態(tài)圖像信息的輪廓灰度圖，但此時網(wǎng)絡(luò)實時動態(tài)圖像信息的輪廓灰度圖無法對動態(tài)圖像信息中的物體進行檢索，而且也不能完成網(wǎng)絡(luò)實時動態(tài)圖像信息過濾中的圖像分類處理，所以要用圖像形狀描述符來表達網(wǎng)絡(luò)實時動態(tài)圖像信息的形狀信息。網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)中的形狀描述符模塊主要用于圖像的檢索。

2.6 動態(tài)圖像信息過濾系統(tǒng)的特征提取模塊設(shè)計

網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)中的特征提取模塊的主要任務(wù)是從眾多的網(wǎng)絡(luò)實時動態(tài)圖像信息的特征中，挑選出對動態(tài)圖像信息分類最有效的圖像信息特征。圖像信息特征提取模塊通過圖像膚色檢測、圖像紋理檢測、圖像輪廓檢測和圖像形狀描述符模塊收集圖像信息特征從而完成網(wǎng)絡(luò)實時動態(tài)圖像信息的智能過濾。網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)中特征提取模塊圖如圖4所示。

圖4 圖像信息過濾系統(tǒng)的特征提取模塊圖

3 網(wǎng)絡(luò)動態(tài)圖像信息智能過濾系統(tǒng)的軟件設(shè)計

圖像信息分類模塊和圖像信息特征提取模塊是網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)中的主要環(huán)節(jié)，軟件部分對此進行了深入的研究。

首先在YCgCr空間中對圖像信息Hessian矩陣進行特征點的檢測，其次構(gòu)建網(wǎng)絡(luò)實時動態(tài)信息的形狀描述符YCgCr-LBP，最后在圖像信息分類過程中利用類別空間模型完成對圖像信息的區(qū)分，提高了圖像信息過濾的效率。

YCgCr空間表達圖像信息中皮膚的特征時，圖像信息中的亮度Y和綠色分量G之間的差量為Cg，用Hessian矩陣將網(wǎng)絡(luò)實時動態(tài)圖像的映射用矩陣I(X)表示為：

(1)

通過公式(1)可得出網(wǎng)絡(luò)實時動態(tài)圖像信息在矩陣Hessian中的尺度和特征點。

對網(wǎng)絡(luò)實時動態(tài)圖像信息的特征點進行分類時，要結(jié)合圖像信息的紋理特性，利用LBP算法對圖像信息進行灰度紋理識別的同時提高圖像信息的統(tǒng)計性。

在YCgCr-LBP算法下的灰度紋理識別中，灰度圖像信息的中心點用c(xc,yc)表示，構(gòu)建圖像信息(P,R)領(lǐng)域，其中區(qū)域內(nèi)的圖像信息的數(shù)量用P表示，R所表示的是相鄰圖像信息區(qū)域的半徑。設(shè)g(x)代表的是動態(tài)圖像信息的跳變數(shù)，當(dāng)IP≥1時，u(x)=1；當(dāng)IP

(2)

(3)

(4)

在式(2)～(4)中，均滿足g(LBPP,R)≤2。

利用類別空間模型對圖像信息進行區(qū)分，用tk表示圖像信息的類別空間模型，其中k∈{1,…,S}，S代表的是網(wǎng)絡(luò)實時動態(tài)圖像信息的總數(shù)，N所表示的是待處理的動態(tài)圖像信息的總數(shù)，圖像類別空間的集合為C={Cm}，其中m∈{1,…,M}，M所表示的是動態(tài)圖像類別的總數(shù)。tk在動態(tài)圖像信息類別空間Cm中的計算公式為：

TCFkm=γmf(tk,Cm)

(5)

式中，f(tk,Cm)代表的是圖像信息類別空間中Cm出現(xiàn)的頻率；γm表示的是圖像信息類別空間中的權(quán)值，一般情況下γm=1。

設(shè)CFk為動態(tài)圖像信息類別空間tk的頻率，其計算公式為：

(6)

網(wǎng)絡(luò)實時動態(tài)圖像信息類別空間tk在Cm中的權(quán)重用wkm表示，其計算公式為：

(7)

利用動態(tài)圖像信息的類別空間分類，可以避免高維災(zāi)難，進而對網(wǎng)絡(luò)實時動態(tài)圖像信息進行準(zhǔn)確和高效的過濾。

4 測試與驗證

4.1 實驗方法及步驟

本文采取網(wǎng)絡(luò)實時動態(tài)圖像中的30幅動態(tài)圖像在linux平臺進行圖像信息的過濾實驗，在30幅網(wǎng)絡(luò)實時動態(tài)圖像信息中包含19幅圖像背景較為單一的網(wǎng)絡(luò)實時動態(tài)圖像和11幅圖像背景較為復(fù)雜的網(wǎng)絡(luò)實時動態(tài)圖像。具體步驟為：

1)首先將30幅圖像信息根據(jù)圖像信息的背景復(fù)雜度分為兩類，其次將完成分類后的網(wǎng)絡(luò)實時動態(tài)圖片信息進行紋理測試、輪廓測試和膚色測試，最后對網(wǎng)絡(luò)實時動態(tài)圖像信息進行有效的信息特征提取，對網(wǎng)絡(luò)實時動態(tài)圖像信息中提取出的信息進行圖像信息查全率和圖像信息誤檢率的檢測，最后通過網(wǎng)絡(luò)實時動態(tài)圖像信息過濾系統(tǒng)將錯誤的網(wǎng)絡(luò)實時動態(tài)圖像信息過濾出來；

2)采用本文方法和文獻[7]方法進行網(wǎng)絡(luò)實時動態(tài)圖像信息過濾過程中的網(wǎng)絡(luò)實時動態(tài)圖像錯誤信息的檢出率(%)的對比；

3)采用本文方法和文獻[8]、文獻[9]方法進行網(wǎng)絡(luò)實時動態(tài)圖像信息過濾實驗，將3種不同方法進行網(wǎng)絡(luò)實時動態(tài)圖像信息過濾的時效性(%)對比。

4.2 實驗結(jié)果分析

網(wǎng)絡(luò)實時動態(tài)圖像信息查全率(%)的計算公式為：

R=f/C

(8)

式中，C為網(wǎng)絡(luò)實時動態(tài)圖像中提取的信息總數(shù)，f為完成檢驗后的網(wǎng)絡(luò)實時動態(tài)圖像中提取的信息總數(shù)。

圖像信息誤檢率(%)的計算公式為：

E=Te/T

(9)

式中，T為從網(wǎng)絡(luò)實時動態(tài)圖像中提取的錯誤動態(tài)圖像信息總數(shù)，Te為從完成檢驗的網(wǎng)絡(luò)實時動態(tài)圖像中提取出的錯誤圖像信息總數(shù)。實驗結(jié)果如表1和表2所示。

表2 網(wǎng)絡(luò)實時動態(tài)圖像信息誤檢率實驗結(jié)果

對網(wǎng)絡(luò)實時動態(tài)圖像信息進行智能過濾時，要避免對網(wǎng)絡(luò)實時動態(tài)圖像信息的誤檢，所以在提取動態(tài)圖像的信息時要控制圖像信息的誤檢率。分析表1和表2可知，背景復(fù)雜的網(wǎng)絡(luò)實時動態(tài)圖像信息的查全率為80.319%，誤檢率為7.471%，背景簡單的網(wǎng)絡(luò)實時的動態(tài)圖像信息的查全率為98.047%，誤檢率為0%。分析表中的數(shù)據(jù)可知，背景復(fù)雜的網(wǎng)絡(luò)實時動態(tài)圖像中查全率較背景簡單的網(wǎng)絡(luò)實時動態(tài)圖像低，背景簡單的網(wǎng)絡(luò)實時動態(tài)圖像信息中的誤檢率為0%。背景復(fù)雜的網(wǎng)絡(luò)實時動態(tài)圖像信息背景對圖像信息中的查全率的影響比較大，但是對誤檢率的影響較小。

采用本文方法和文獻[7]方法進行網(wǎng)絡(luò)實時動態(tài)圖像信息過濾過程中的網(wǎng)絡(luò)實時動態(tài)圖像錯誤信息的檢出率(%)的對比。其中的網(wǎng)絡(luò)實時動態(tài)圖像信息包括人物、植物、動物和自然風(fēng)景等。本文方法和文獻[7]方法中錯誤的網(wǎng)絡(luò)實時動態(tài)圖像信息檢出率(%)的對比結(jié)果如圖5所示。

圖5 兩種方法的錯誤信息檢出率/%

分析圖(a)可知使用本文方法對網(wǎng)絡(luò)實時動態(tài)圖像進行智能過濾時，網(wǎng)絡(luò)實時動態(tài)圖像錯誤信息的檢出率約為4%，此時的圖像信息檢出率在控制范圍內(nèi)可以接受。分析圖(b)可知，采用文獻[7]方法對網(wǎng)絡(luò)實時動態(tài)圖像進行智能過濾時，網(wǎng)絡(luò)實時動態(tài)圖像錯誤信息的檢出率約為2.5%，網(wǎng)絡(luò)實時動態(tài)圖像過濾過程中的誤檢率較高。

采用本文方法和文獻[8]、文獻[9]方法進行網(wǎng)絡(luò)實時動態(tài)圖像信息過濾實驗，將3種不同方法進行網(wǎng)絡(luò)實時動態(tài)圖像信息過濾的時效性(%)對比，3種方法的對比結(jié)果如圖6所示。

圖6 3種方法的時效性對比

從圖6中可以分析得出，網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾時本文方法相應(yīng)的時效性要優(yōu)于文獻[8]和文獻[9]方法的時效性。這主要是因為本文方法在進行網(wǎng)絡(luò)實時動態(tài)圖像信息過濾時采用圖像信息YCgCr空間和圖像信息YCgCr-LBP形狀描述符進行圖像信息的膚色檢測、紋理檢測、輪廓檢測，通過圖像信息的特征提取和圖像描述符完成網(wǎng)絡(luò)實時動態(tài)圖像信息過濾前的預(yù)處理，由此實現(xiàn)了網(wǎng)絡(luò)實動態(tài)圖像信息過濾的時效性。

5 結(jié)束語

本文針對互聯(lián)網(wǎng)中網(wǎng)絡(luò)實時動態(tài)圖像信息中存在大量的不良圖像信息問題，提出了一種網(wǎng)絡(luò)實時動態(tài)圖像信息智能過濾系統(tǒng)設(shè)計方法，通過圖像信息YCgCr空間和圖像信息YCgCr-LBP形狀描述符算法對網(wǎng)絡(luò)實時動態(tài)圖像信息進行過濾。實驗結(jié)果表明，該系統(tǒng)對互聯(lián)網(wǎng)中的動態(tài)圖像信息進行了智能的過濾，創(chuàng)建了安全健康的網(wǎng)絡(luò)環(huán)境，為網(wǎng)絡(luò)實時動態(tài)圖像信息的過濾提供了保障。

[1]楊宜菩,楊 帆,潘國峰,等.基于同態(tài)系統(tǒng)濾波的高分辨率遙感圖像河流信息提取[J].計算機應(yīng)用,2016,36(1):248-253.

[2]楊文祥,杜昭平,莊肖波.基于LabVIEW平臺的實時圖像采集與處理系統(tǒng)的應(yīng)用[J].電子設(shè)計工程,2016,24(12):159-161.

[3]雷 萌,王聰華,陳 潔.關(guān)于建筑倉儲空間三維圖像設(shè)計與仿真[J].計算機仿真,2015,32(10):263-266.

[4]鮑治國,萬金梁,馬西鋒.基于遺傳算法具有容錯能力的圖像濾波器優(yōu)化設(shè)計[J].上海交通大學(xué)學(xué)報,2015,49(8):1181-1185.

[5]蔡 敏.基于Gabor特征分解的高斯混合非線性圖像濾波[J].科技通報,2015,31(12):64-66.

[6]錢小燕.引導(dǎo)濾波的紅外圖像預(yù)處理算法[J].科學(xué)技術(shù)與工程,2015,15(21):32-37.

[7]楊 建,郭立紅,王建軍,等.基于RTX的某光電裝備圖像處理實時性研究[J].計算機測量與控制,2015,23(11):3831-3833.

[8]林 凌,許 然.基于圖像特征細(xì)化的海量數(shù)據(jù)挖掘系統(tǒng)設(shè)計與實現(xiàn)[J].現(xiàn)代電子技術(shù),2016,39(24):113-115.

[9]李云瑋,馬 蕾.基于SVM的物聯(lián)網(wǎng)大數(shù)據(jù)有效信息過濾挖掘[J].控制工程,2016,23(10):1533-1537.

[10]張瑞昕,卜方玲,惠 毅.一種適用于多數(shù)據(jù)鏈網(wǎng)絡(luò)的信息過濾轉(zhuǎn)發(fā)策略[J].計算機工程與應(yīng)用,2015,51(8):89-91.