随着网络和信息技术的发展,电子邮件已经成为人们沟通交流的重要工具。但是垃圾邮件的泛滥却给人们的工作和生活带来了极大的困扰。尤其从2005年开始,垃圾邮件制造者将垃圾信息嵌入到图像中,并在图像中加入噪声或模糊化等技术,形成了图像型垃圾邮件(image spam),以逃避反垃圾邮件系统的检测,因此如何精确和高效的检测图像型垃圾邮件是急需解决的问题。论文系统地分析了image spam的产生背景、发展现状及研究意义,对图像型垃圾邮件检测的关键技术进行深入的学习和研究,并在已有研究成果的基础上,提出了基于分类和相似性的图像型垃圾邮件的检测方法。论文主要完成了以下几方面的创新：1.分析了垃圾邮件检测技术使用的各种图像特征,提出了利用图片的局部不变特征来描述图片的垃圾信息分布的方法。2.针对image spam的多种构造方法,提出了基于垃圾技术分类的垃圾邮件检测方法,该方法构建两层的组合过滤器,第一层是检测图片中的噪声特征过滤器,第二层是颜色!特征、纹理特征、形状特征的组合过滤器。实验证明这种分层组合的过滤器具有较高的召回率。3.针对传统的基于相似性的image spam检测系统的不足,提出了利用加速的健壮特征SURF算法提取图片的局部不变特征,训练高斯混合模型GMM的分类器来检测图像型垃圾邮件的方法。论文通过实验证明,在图像型垃圾邮件的检测中,基于图片的局部不变特征的GMM分类算法比其他算法具有更好的检测效果。