随着科学技术的发展，互联网已渗透到生活的每一个角落。它在给人们带来前所未有的便利的同时，各种不良的信息充斥着网络空间，对网民，尤其是青少年带来了极大地负面影响。针对网络中不良信息的表现形式的多样性及过滤技术的滞后性和局限性，必须结合图像过滤技术才能有效的防止不良信息的扩散。本文以此为背景，依托于2010年浙江省重大科技专项(2010C11049)--“绿色网络视频娱乐平台关键技术研发与应用示范”，对基于内容分析的不良图像过滤技术进行研究，设计并实现了一个不良图像过滤系统。　　首先，本文介绍了本课题的研究背景及意义，对现有的不良图像过滤技术进行了分析，通过分析各项关键技术，总结出各种技术的适用场景以及局限性，并给出了该研究方向上总体发展趋势。　　其次，本文分析和总结了目前常用的肤色检测模型算法即阈值检测模型、高斯分布模型和统计直方图模型，并对他们之间的优缺点进行分析。在此基础上，本文提出了改进的基于混合模型的肤色检测，原始图像经过混合模型肤色检测后，利用形态学运算对掩码图像进行滤波，有效地去除噪声。实验结果表明，该方法能有效地检测出图像中的肤色区域。　　再次，为进一步降低裸露较多但未露出关键部位以及伪肤色像素较多的正常图像的误检率，本文提出了基于人脸、人体形状信息的躯干定位算法。该算法首先在Adaboost人脸检测基础上，用椭圆拟合人体模型，实现人体躯干的初步定位；针对部分人脸未能正常检出的图像，采用基于HOG(方向梯度直方图)特征的人体躯干定位。在此基础上提取分类性能较好的肤色特征和人体特征作为分类器的特征向量，并构造出有效的阈值决策树实现正常图像与不良图像的分类。实验结果表明，人体躯干信息的引入使得处理效果有了显著的提高，有效降低误检率。　　最后，本文利用前面所提出的过滤方法用于过滤用户上传的图像，并在网络聊天系统中搭建了实时过滤平台和离线审核平台。通过实时过滤平台，可以实时检测用户上传的图像，必要时给用户发出警告信息。离线审核平台重在离线判定所有用户上传图像，大大减少了审核人员的工作量。实际应用环境测试表明两个平台运行稳定，过滤效果明显。