随着信息技术的不断发展,互联网已经成为了人们日常生活中信息传播的重要工具,在这个信息爆炸的时代,网络给人们获取信息提供了极大的便利。然而人们在享受着网络给生活带来便利的同时,也会被网络中传播的各种暴力、色情等不健康信息所影响。特别是其中的不良图像,对广大网民尤其是青少年的身心健康发展带来严重损害。因此,近年来,国内外越来越多的科研工作者开始投身到这一领域进行研究,同时,国家也对这一领域的研究加大了支持力度,在这样的背景下,不良图像的研究工作也取得了很多不错的成果,但也同样存在着一些不足,本文就根据现有技术的一些不足,提出了一种基于多分类器集成的不良图像检测方法,并通过实验论证,取得了较好的检测效果。现将本文开展的主要研究工作列举如下：1.肤色是不良图像最典型的特征,本文深入研究了已有的颜色空间和肤色模型,并根据各自的优缺性和适用性,最终选定了YCbCr颜色空间下的单高斯肤色模型开展本文的肤色研究工作。2.提出一种结合Hough椭圆检测的人脸检测方法,该方法避免了传统Adaboost算法中对图像进行多尺度缩放,以及在整个图像区域内遍历搜索待检子窗口的操作,提高了人脸检测的效率和准确率。3.利用支持向量机(SVM)算法训练肤色检测和人脸检测提取到的特征,相比于传统的不良图像识别技术中,只是将人脸识别作为身份证、大头贴类的图像的筛选技术而言,该方法将不良图像中的人脸信息也加入了识别分类器,使得人脸特征的信息利用更加充分。4.人体局部关键部位是不良图像的又一个典型特征,本文采用扩展Haar特征对关键部位中的女性胸部进行描述,并采用Adaboost算法训练Haar特征,生成女性胸部检测分类器,这就使不良图像中的局部关键部位信息得到了充分利用。5.采用多分类器集成技术,将上述SVM分类器和Adaboost分类器进行融合,实验表明,该方法充分利用了图像中的肤色信息、人脸信息和局部关键部位信息,对不良图像的判定就更为精确。