一種基于內容的廣告垃圾圖像過濾方法目錄論題意義及其必要性過濾原理與實現方法實驗和結果分析論題意義及其必要性垃圾郵件問題日益嚴重：

2005年7月，中國互聯網絡信息中心（CNNIC）發布的《第十六次中國互聯網發展狀況統計報告》顯示，中國網民平均每周收到14.5封電子郵件，其中垃圾郵件占了9.3封，垃圾郵件數量已經大大超過了正常郵件數量。

基于文本過濾方法的局限性：第一

、基于文本的過濾受到文本語言種類的限制；第二、垃圾郵件發送者（spamer）經常使用各種各樣的騙術來迷惑基于文本的垃圾郵件過濾器，比如將文字頁面轉換為圖像；有數據顯示，包含圖像的垃圾郵件占所有垃圾郵件的25%。可見，這種欺騙手段已經被垃圾郵件制作者們頻繁利用，如果沒有找到可行的解決辦法，這個數字還會上升。第三、隨著因特網的范圍和容量不斷增長，郵件包含越來越多的多媒體信息。一些廣告垃圾圖片的示例目錄論題意義及其必要性過濾原理與實現方法實驗和結果分析過濾的原理任何廣告都需要用文字來傳播某種信息。也就是說，廣告垃圾圖像的文字區域特征具有普遍性。本文正是利用廣告垃圾圖像的文字區域特征來進行廣告垃圾圖像過濾。

基本步驟：

1.提取圖像的邊緣信息，并把邊緣信息做二值化處理；

2.將二值化邊緣圖像進行膨脹處理，使相鄰的字符連通起來,并把膨脹處理后的所有連通區域作為候選文字區域記錄下來；

3.利用文字區域的特征從候選文字區域中篩選出正確的文字區域；

4.根據得到的文字區域的數量和面積等特征對圖像進行分類，把廣告垃圾圖像和合法圖像區分開來。

彩色邊緣提取由于廣告圖像中的文本與背景有較強的對比度，表現為在文本與背景的交界處，存在十分明顯的高頻區域，因此可以用提取邊緣的方法來大致估計出文本可能存在的區域。由于廣告垃圾圖像大多為彩色圖像，所以本文采用張引等提出的彩色圖像邊緣提取算子來提取邊緣，利用彩色三分量的彩色邊緣提取算法，充分利用了全面的色彩信息，效果優于傳統的灰度邊緣提取算法。

邊緣提取的具體做法如下：已知輸入圖像f的RGB值，其中象素（i，j）的RGB分量分別為R（i，j），G（i，j），B（i，j）。要計算圖像f的邊緣圖像Edge。

Eud（i1,j1;i2,j2）定義為像素點（i1,j1）與（i2,j2）之間的彩色值歐氏距離。

原圖與邊緣圖像（a）原圖（b）邊緣圖像邊緣圖像二值化閾值選取方法：首先計算邊緣圖像Edge的歸一化灰度直方圖h（i）：

其中，ni是圖像Edge中灰度值為i的象素的個數，N是圖像象素總數。因為文字區域邊緣十分明顯，所以本文認為文字區域邊緣的灰度級一般比較高。于是需要找到一個灰度級k作為閾值，把灰度大于k的邊緣象素點保留，灰度小于k的邊緣象素點忽略。令；eh(k)表示保留的邊緣象素數占圖像總象素數的比例；找到一個盡可能大的灰度級k使得eh（k）大于閾值TH1；如果此時k小于下限TH2，則把TH2作為二值化的閾值，否則把k作為二值化的閾值。在實驗中，我們取TH1=0.2，TH2=120（認為文字區域邊緣的灰度級不應低于120）。二值化邊緣圖像

（c）二值化邊緣圖像候選文文本區區域提提取從二值值邊緣緣圖像像中可可以看看出，，由于于文字字的分分布比比較集集中，，所以以文字字附近近的邊邊緣比比較豐豐富，，而且且屬于于同一一文字字區域域的文文字邊邊緣具具有較較小的的距離離。對對于水水平方方向的的文本本行來來說，，可以以用水水平膨膨脹的的方法法將相相鄰的的邊緣緣連起起來，，形成成連通通的區區域，，從而而在空空間位位置上上將可可能含含有文文本的的區域域檢測測出來來。膨脹方方法：：設f為二值值圖像像，B為結構構元素素，二二值形形態和和（膨膨脹））定義義如下下：其中表表示以以（x，y）為原點點，形形狀與與結構構元素素B相同的的區域域。膨膨脹運運算具具有擴擴大圖圖像的的作用用，膨膨脹可可以看看作是是將圖圖像f中的每每一個個點（x，y）擴大為為。。本文使使用的的結構構元素素B是一條條N個象素素的水水平線線段。。其中中N由圖像像的寬寬度決決定，，因為為較寬寬的圖圖像里里的文文字的的橫向向間隔隔也會會較寬寬。本文中中取N=imageWidth/250+1；其中中imageWidth為圖像像寬度度。把膨脹脹操作作后所所得的的連通通區域域所在在的最最小的的矩形形區域域記錄錄為候候選的的文字字區域域。膨脹邊邊緣圖圖像（d））膨脹脹邊緣緣圖像像文本區區域篩篩選本文根根據文文字區區域的的視覺覺特征征定義義了若若干約約束條條件，，滿足足所有有約束束條件件的候候選文文字區區域被被認為為是文文字區區域。。本文中中使用用的約束條條件有：（1）文字字區域域包含含的邊邊緣信信息豐豐富，，因此此連通通區域域的象象素總總數占占連通通區域域所在在矩形形的象象素總總數的的比例例應該該大于于某個個閾值值。（2）文字字高度度不能能太小小，否否則人人眼將將無法法看清清；也也不會會太大大，應應在某某一范范圍內內。（3）因為為每個個文字字區域域都是是同行行的幾幾個字字符粘粘連而而形成成的區區域，，所以以文字字區域域的寬寬高比比應當當大于于某一一閾值值。（4）文字字區域域中存存在一一組連連續的的，邊邊緣信信息相相當豐豐富的的行。。要求求這段段區域域的高高度占占文字字區域域高度度的一一定比比例，，并且且這段段區域域中的的每一一行的的白點點數目目大于于某一一閾值值。（5）如果果兩個個候選選文字字區域域具有有包含含關系系或具具有大大部分分重疊疊的關關系，，則保保留面面積較較大的的區域域。按照上上述準準則，，可以以除掉掉候選選文字字區域域中的的虛假假文字字區域域，得得到了了相對對準確確的文文字區區域。。下頁頁的圖圖（e）為為文字字區域域的提提取結結果，，識別別出的的文字字區域域用紅紅色邊邊框標標出。。文字區域的的提取結果果（e）文字區域的的提取結果果目錄論題意義及及其必要性性過濾原理與與實現方法法實驗和結果果分析實驗和結果果分析實驗流程如如下圖所示示：廣告垃圾圖圖像判定條條件：主要根據文文字區域的的數量和面面積兩個特特征判斷圖圖像是否為為廣告垃圾圾圖像。本本實驗設定定閾值th1，th2。如果圖像像f的文字區域域數量大于于th1，或者文字字區域面積積占圖像總總面積的比比例大于th2，則認為圖圖像f為廣告垃圾圾圖像。經經實驗證明明，th1取值6，th2取值15%可以達到較較實用的效效果。文字區域提提取實驗結結果廣告垃圾圖圖像過濾實實驗結果本文為做廣廣告垃圾圖圖像過濾實實驗，建立立了一個圖圖像庫，分分別由廣告告垃圾圖像像（39幀），普通通圖像（1215幀）和紋理理圖像（598幀）等三種種圖像組成成，下圖為為圖像庫取取樣。廣告垃圾圖圖像過濾實實驗結果實驗數據表表明，廣告告垃圾圖像像集合的檢檢出率接近近80%，大部分特特征明顯的的廣告垃圾圾圖像都能能被檢索出出來；對普普通圖像的的誤檢率為為3.045%，控制在可可以接受的的范圍內；；而由于紋紋理圖像比比較特殊，，邊緣信息息豐富，產產生很多疑疑似文本的的區域，對對檢索造成成了較大干干擾，所以以誤檢率偏偏高。謝謝大家家！9、靜靜夜夜四四無無鄰鄰，，荒荒居居舊舊業業貧貧。。。。1月月-231月月-23Thursday,January5,202310、雨雨中中黃黃葉葉樹樹，，燈燈下下白白頭頭人人。。。。03:09:1403:09:1403:091/5/20233:09:14AM11、以我獨沈沈久，愧君君相見頻。。。1月-2303:09:1403:09Jan-2305-Jan-2312、故人江江海別，，幾度隔隔山川。。。03:09:1403:09:1403:09Thursday,January5,202313、乍乍見見翻翻疑疑夢夢，，相相悲悲各各問問年年。。。。1月月-231月月-2303:09:1403:09:14January5,202314、他他鄉鄉生生白白發發，，舊舊國國見見青青山山。。。。05一一月月20233:09:14上上午午03:09:141月月-2315、比不不了得得就不不比，，得不不到的的就不不要。。。。一月233:09上上午午1月-2303:09January5,202316、行動動出成成果，，工作作出財財富。。。2023/1/53:09:1403:09:1405January202317、做前前，能能夠環環視四四周；；做時時，你你只能能或者者最好好沿著著以腳腳為起起點的的射線線向前前。。。3:09:14上上午3:09上上午午03:09:141月-239、沒有失失敗，只只有暫時時停止成成功！。。1月-231月-23Thursday,January5,202310、很多事情努努力了未必有有結果，但是是不努力卻什什么改變也沒沒有。。03:09:1403:09:1403:091/5/20233:09:14AM11、成成功功就就是是日日復復一一日日那那一一點點點點小小小小努努力力的的積積累累。。。。1月月-2303:09:1403:09Jan-2305-Jan-2312、世間成成事，不不求其絕絕對圓滿滿，留一一份不足足，可得得無限完完美。。。03:09:1403:09:1403:09Thursday,January5,202313、不知香積積寺，數里里入云峰。。。1月-231月-2303:09:1403:09:14January5,202314、意志堅強的的人能把世界界放在手中像像泥塊一樣任任意揉捏。05一月20233:09:14上午03:09:141月-2315、楚塞塞三湘湘接，，荊門門九派派通。。。。一月233:09上上午午1月-2303:09January5,202316、少年十五五二十時，，步行奪得得胡馬騎。。。2023/1/53:09:1403:09:1405January202317、空山新雨雨后，天氣氣晚來秋。。。3:09:14上上午3:09上上午03:09:141月-239、楊柳散和風風，青山澹吾吾慮。。1月-231月-23Thursday,January5,202310、閱讀一切好好書如同和過過去最杰出的的人談話。03:09:1403:09:1403:091/5/20233:09:14AM11、越越是是沒沒有有本本領領的的就就越越加加自自命命不不凡凡。。1月月-2303:09:1403:09Jan-2305-Jan-2312、越是無無能的人人，越喜喜歡挑剔剔別人的的錯兒。。03:09:1403:0