随着传统文本型垃圾邮件过滤技术的成熟,垃圾邮件制造者开始使用图像作为载体传播垃圾邮件信息。这种方式的垃圾邮件更加难以检测、消耗的网络带宽和存储也更大,因此带来的危害也更加严重,在中文图像型垃圾邮件过滤中也难度更大。通过对传统图像型垃圾邮件方法的研究,同时考虑更多的对垃圾邮件图像语义信息的需求,本文针对中文图像型垃圾邮件,提出了基于传统OCR技术进行改进的伪OCR过滤技术。综合考虑对图像语义信息的抽取和整体的过滤性能,伪OCR过滤技术认为传统OCR技术中大部分的识别都是冗余的,是不必要的。因此在具体的实现中,我们放宽了对汉字的具体识别需求,优化了预处理技术以适应垃圾邮件图像的特点,同时以真实的垃圾邮件图像生成匹配样本库。实验结果表明,同基于传统OCR过滤技术相比,伪OCR在过滤中文垃圾邮件图像时具有更好的效果,尤其在要求误识别率比较低的情况下,而且通过调节具体的参数还可以在一定程度上控制伪OCR技术的系统性能以满足不同的应用需求。而在对核心的汉字字符特征进行设计时,本文采用了一种创新的基于汉字关键点的统计特征的表示方法。而在对汉字关键点的提取部分,提出了一种能够同时考虑邻域信息和汉字整体字形的基于图深度遍历的关键点提取算法。通过实验对比发现,这种基于DFS的提取算法在对汉字关键点的提取效果上要远优于传统的角点检测技术。最后,针对伪OCR过滤技术中召回率相对较低的缺点,本文选择使用传统的基于图像浅层特征的方法对其进行补充,从而形成整体的针对中文图像型垃圾邮件的过滤技术。随后的实验结果也表明,这样的补充方式能够在牺牲较小准确率和误识别率的情况下,比较大的提升系统整体的召回率,从而优化系统的整体过滤性能。