在中国互联网迅速发展的同时,互联网中的不良信息给网络虚拟世界带来了不和谐之音。防止网络黄毒蔓延的研究已不满足于采用网址封锁和敏感关键词匹配技术,由此引发基于内容的图像过滤技术的研究逐渐深入起来。本文依托于2004年度珠海市科技项目(PC20041101)——“基于内容的敏感图片过滤技术的研究及其在IE浏览器中的实现”,着重于研究前人提出的基于内容敏感图像过滤器中所采用的关键技术——肤色检测技术,改进了基于统计直方图的贝叶斯分类模型,提取了五个效率较高的分类特征,并在此基础上构造了一个敏感图像分类器。首先构造了一个基础数据库,用于统计肤色象素点及非肤色象素点的RGB颜色分布其概况,在此基础上进行了后续研究。针对以往基于统计直方图的贝叶斯肤色分类算法的不足,在大量统计数据的基础上建立了一个改进的统计直方图模型,进而提出先验概率及条件概率公式,最后实现了一个新的贝叶斯分类模型。而后本文对实现象素点肤色分类的条件概率数据进行了反复筛选,以求达到较精确的肤色检测效果。为了实现对敏感图像的有效分类,本文提取了效率较高的十个分类特征,经测试后选取五个特征作为分类器的输入向量。其中加入了基于AdaBoost算法的快速人脸检测技术,以降低大头贴式肖像类图像的误检率。本文建立的模型在标准掩码库的检测下正检率达到80.83%,误检率为13.20%。在4624幅测试图像库上的总体正检率达到88.51%(敏感类正检率为71.15%,正常类为91.23%)。