随着互联网带宽的增长和文本型垃圾邮件的识别率越来越高,图像型垃圾邮件迅速爆发,大有蔓延之势。为了能够应对海量垃圾图像的处理,本论文以Postfix作为邮件服务器框架,构建了一个图像型垃圾邮件综合过滤引擎,并通过下列三种技术实现对图像型垃圾邮件的层次化检测和识别。论文首先利用图像浅层特征,快速对图像进行分类过滤。除了垃圾图像的颜色经常比较单调、图像中的文字比较多等特点外,为了逃避过滤,大量垃圾邮件图像在图像中加入了噪音和其它干扰方式,这些干扰信号的存在程度也是可用于判断图像型垃圾邮件的重要特征。本论文拟将重点研究利用颜色、纹理、字符比例、图像尺寸等浅层特征进行垃圾邮件图像判断的理论方法,可以有效地分析出含强干扰信号的垃圾邮件图像,提高了浅层分析阶段对图像型垃圾邮件的过滤质量和过滤效率,还提高了对图像进行深层内容分析的分析效果。其次,利用局部特征描述子的特点,构建倒排索引,实现近似图像检索过滤。利用这一方法,既可以保持局部特征描述子方法抗干扰性好的优点,消除了误匹配现象的产生,还能保证很高的计算效率,实现海量图像的实时处理。最后,在基于邮件图像文字内容的过滤技术方面,我们针对垃圾邮件图像中文字内容的特点,提出了基于WAF模型对文字识别结果的重构技术。通过对周围环境文字的分析,我们对识别出的关键字进行联想,产生在这个环境下最有可能的关键词,最后再通过对关键词的分析,有效地对图像型垃圾邮件进行判别。论文分别对上述三种方法进行实验,取得了不错的效果。