هدف از پژوهش حاضر ارائه روشی برای تشخیص و جداسازی تصاویر غیراخلاقی از تصاویر معمولی است. تشخیص تصاویر غیراخلاقی برای فیلتر مفاهیم نامناسب در اینترنت لازم و ضروری است. به¬خصوص در مواردی همچون فیلتر مفاهیم نامناسب در شبکه¬های اجتماعی و اشتراک¬گذاری تصویر، که از فیلتر کل سایت پرهیز می شود. تنوع در مناظر، پس¬زمینه¬ی شلوغ و نواحی غیراخلاقی کوچک در تصویر از چالش¬های این مسئله هستند. تشخیص تصاویر غیراخلاقی برپایه بسته¬های کلمات بصری یک رویکرد امیدوارکننده است زیرا می¬تواند کاستی¬های روش¬های سنتی را جبران کند. با این حال انتخاب¬های بسیاری برای ساخت کلمات بصری وجود دارد که در ایجاد موازنه بین سرعت و کارایی، حیاتی هستند. دراین پژوهش روش جدیدی برای ساخت بسته¬های کلمات surf و mser در نواحی هم¬رنگ پوست و ترکیب آن با ویژگی¬های عمومی استخراج شده از نرخ پوست ارائه کرده¬ایم. نشان دادیم نتایج سیستم با ترکیب این ویژگی¬ها بهبود می¬یابد. tf-idf روش معمول وزن¬دهی به کلمات است اما به آن بسنده نکردیم و برای یافتن بهترین روش وزن¬دهی، روش¬های مختلف وزن-دهی محلی، سراسری و نرمال سازی را برای هرکدام از واژه¬نامه¬های surf و mser آزمایش کردیم. برای هر ویژگی بهترین الگوریتم دسته بندی را انتخاب کرده و در سیستم ترکیبی پیشنهادی استفاده کردیم. نتایج نشان¬ می دهد سیستم ترکیبی پیشنهادی می تواند تصاویر غیراخلاقی را با نرخ بازیافت (مثبت صحیح) 96.1 درصد تشخیص دهد درحالی که تنها نرخ مثبت اشتباه 5.7 درصد را نشان می¬دهد.