随着计算机网络和Internet的迅猛发展，以数字图象为代表的多媒体信息被广泛使用。然而，Internet上的图象内容良莠不齐，大量的色情图象对青少年的健康成长造成了严重的危害，因此如何对计算机网络上图象内容进行监控和管理，防止青少年接触到不良图象，已经成了一个富有挑战意义的课题。正是在这种背景下，本文对基于内容的图象过滤(CBIF：Content-Based Image Filtering)技术开展了较为深入的研究。本文简单回顾了传统的网络信息过滤方法，指出了它们的不足，接着实现了一套基于内容的图象分类(CBIC：Content-Based Image Classification)系统，并在此基础上设计了一套基于图象内容的网络信息过滤系统。 本文先介绍了一些与课题相关的技术，主要有图象文件格式、肤色检测、纹理检测、轮廓检测和形状描述等技术。本文详细讨论基于内容的图象分类(CBIC)系统的设计和实现，该系统主要包括肤色检测器、纹理检测器、轮廓检测器、形状描述符提取、分类特征的提取和分类决策6个模块。先用肤色检测器、皮肤纹理检测器依次对图象进行检测，并根据它们的检测结果对图象进行分割，再用轮廓检测器提取目标轮廓，并提取目标的形状描述符；在此基础上，提取5类共11个特征，组成1个11维的特征向量，最后依此特征向量进行分类决策，得出结论。这其中，本文提出和改进了一些方法和算法：在借鉴其它结构的基础上，提出了基于内容的图象分类(CBIC)系统的体系结构；在皮肤纹理检测器中，没有直接采用灰度统计法，将其改造成色阶偏差法；将形状描述符作为分类特征；在分类特征的提取中，吸收“走迷四川人学才项卜学位论文宫”算法的思想，提出了“无通路迷宫数检测”算法。另外，本文分别实现两种分类方法—Bayes分类法和SVM分类法，并对它们的分类效果做了比较。该分类系统还集成了针对Bayes和SVM这两种分类法的训练算法。实验表明，分类系统效率较高，准确率达到了75%。 在实现的基于内容的图象分类(C BIC)系统基础上，本文设计了一套基于图象内容的网络信息过滤系统，该系统综合运用了基于内容的图象过滤(CBIF)技术和传统的过滤技术—关键词过滤(Keyword Filtering)、包过滤(paeket Filtering)和URL阻断(URL Bloeking)技术等多种过滤技术，能够对图象和文本等网络信息进行过滤。过滤系统主要包括数据采集模块、数据分析模块、数据处理模块和控制界面模块4部分，采用WinsockZ SPI技术，方便灵活地实现了网络数据的拦截和过滤。关键词:基于内容的图象过滤(CBIF)基于内容的图象分类(CBIC)数字图象处理Bayes分类器SvM分类器