基于内容分析的图像垃圾邮件过滤技术研究

论文摘要

在日新月异的互联网时代,电子邮件凭借其方便、快捷、低成本的优势,迅速成为人们日常工作、学习、生活中的一个重要组成部分,但随之而来的垃圾邮件问题也日益严重。早期的垃圾邮件过滤器大多使用基于文本的过滤方法,如关键字过滤、贝叶斯过滤、人工智能和机器语言学习等。这些方法在垃圾邮件过滤中取得了很高的精度。然而,图像垃圾邮件的出现,大大降低了基于文本的垃圾邮件过滤器的有效性。随着图像垃圾邮件的爆炸性增长,如何识别并过滤图像垃圾邮件已成为一个急需解决的问题。本论文正是针对上述问题,以图像垃圾邮件为主要的研究对象,在深入分析图像特征提取的基础上,对基于内容分析的图像垃圾邮件过滤技术进行了探索性研究。主要内容为:1.概述垃圾邮件过滤问题的现状,包括反垃圾邮件市场预测、垃圾邮件过滤技术发展历史、垃圾邮件及反垃圾邮件技术现状。2.详细分析图像垃圾邮件的定义、发展过程和构造方法,并阐述了图像垃圾邮件过滤的几类方法。3.系统地讨论了图像垃圾邮件过滤中的关键问题即图像内容分析,论述了图像的颜色、纹理、形状特征的提取方法。4.提出了一种基于图像相似性检测的图像垃圾邮件过滤方法,该方法通过提取邮件图像的颜色、纹理、形状等特征,对邮件图像与垃圾邮件样本图像进行相似性度量,并以此判断该邮件是否为图像垃圾邮件。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 背景
• 1.2 反垃圾邮件市场预测
• 1.3 反垃圾邮件技术发展历史
• 1.3.1 第一代反垃圾邮件技术
• 1.3.2 第二代反垃圾邮件技术
• 1.3.3 第三代反垃圾邮件技术
• 1.3.4 第四代反垃圾邮件技术
• 1.4 垃圾邮件及反垃圾邮件技术现状
• 1.4.1 垃圾邮件发送技巧
• 1.4.2 反垃圾邮件技术
• 1.5 本论文的选题和研究内容
• 1.5.1 选题
• 1.5.2 研究内容
• 第二章 图像垃圾邮件
• 2.1 图像垃圾邮件的定义和特点
• 2.1.1 图像垃圾邮件定义
• 2.1.2 图像垃圾邮件的类型
• 2.1.3 图像垃圾邮件的特点
• 2.2 图像垃圾邮件发展过程及构造方法
• 2.2.1 图像垃圾邮件的发展过程
• 2.2.2 图像垃圾邮件的构造方法
• 2.3 图像垃圾邮件过滤的几类方法
• 2.4 本章总结
• 第三章 图像内容分析
• 3.1 颜色特征
• 3.1.1 颜色模型
• 3.1.2 颜色特征表示
• 3.2 纹理特征
• 3.2.1 统计方法
• 3.2.2 结构性方法
• 3.2.3 频谱方法
• 3.3 形状特征
• 3.3.1 矩形度与投影比
• 3.3.2 圆度
• 3.3.3 曲线拟合
• 3.4 本章总结
• 第四章 基于内容分析的图像垃圾邮件过滤方法
• 4.1 方法的提出
• 4.2 改进的图像特征描述方法
• 4.2.1 改进的颜色特征描述
• 4.2.2 改进的纹理特征描述
• 4.2.3 改进的形状特征描述
• 4.3 图像相似性度量方法
• 4.3.1 基于几何矩阵模型的相似性度量
• 4.3.2 特征归一化方法
• 4.3.3 多特征权重的相似性度量模型
• 4.4 邮件图像相似性检测
• 4.4.1 图像相似度计算步骤
• 4.4.2 图像相似性检测流程
• 4.5 实验结果与分析
• 4.6 相关问题讨论
• 4.7 本章总结
• 第五章 结论和展望
• 5.1 本论文研究总结
• 5.2 前景展望
• 致谢
• 参考文献