منیره سادات حسینی - دانشجوی دانشگاه آزاد اسلامی واحد بویین زهرا، دانشکده فنی مهندسی، گروه مهندسی کامپیوتر
محمد رحمتی - دانشیار دانشکده مهندسی کامپیوتر ، دانشگاه امیرکبیر (استاد راهنما)

با افزایش استفاده از پست های الکترونیک، مساله دریافت ایمیل های ناخواسته به یک چالش تبدیل شده است، که به اینایمیل ها، اسپم گفته می شود. برای شناسایی اسپم های تصویری می توان از روشهای بینایی ماشین بهره برد. دراین مقاله روشیبرای بالابردن دقت شناسایی و دسته بندی تصاویر اسپم از تصاویر معتبر یا غیر اسپم ارائه شده است. در روش ارائه شده ازویژگی بافت تصویر جهت بررسی تصاویر استفاده می شود. در این تحقیق از ماتریس هم رخداد سطح خاکستری (GLCM)که یکی از ویژگی های بافت است، استفاده شده است. پس از استخراج ماتریس از تصویر، به ازای هر تصویر 22 ویژگی بهدست می یآید. سپس از دسته بندی کننده نزدیکترین همسایه (KNN) و بیزین ساده (NB) برای دسته بندی تصاویر با استفادهاز ویژگی های بدست آمده از هر تصویر استفاده می شود. این تصاویر از دو پایگاه داده Dredze و ISH بدست آمده اند .نتایج بدست آمده درمقایسه با کارهای انجام شده نشان دهنده بهبود در دقت دسته بندی در روش ارائه شده است.

تصاویر اسپم، بافت تصویر ، ماتریس GLCM ، دسته بندی