论文部分内容阅读
在刑事案件中,鞋底痕迹花纹对于侦破案件发挥巨大的作用。其中,最具有挑战性的任务就是将犯罪现场遗留的低质量的鞋底痕迹花纹图像与数据库中的鞋底痕迹花纹比较,找出最匹配的一幅图像。本文给出基于反馈的现场鞋底痕迹花纹图像检索算法目的是帮助鉴定专家准确的检索出最匹配的鞋底痕迹花纹图像,并且检索结果符合专家的主观判断,从而提高破案效率。本文采用第三方提供的10096幅现场鞋底痕迹花纹图像作为图像库,并用于实验。具体成果如下:1)给出了现场鞋底痕迹花纹图像的初步检索算法(1)基于小波-傅里叶变换的特征提取算法针对现场鞋底痕迹图像存在噪声、裂痕和花纹破损等干扰问题,本文给出了基于小波-傅里叶变换的现场鞋底痕迹检索算法,利用小波变换的多尺度分析特点与FMT的平移、旋转不变性,在去除干扰信息的同时提取具有平移和旋转不变的特征。(2)基于局部与整体的特征匹配策略针对残缺图像的匹配精度问题,本文给出了整体与局部的特征匹配策略。在特征提取的基础上,对于鞋底痕迹花纹采取分区匹配的方法,并采用相关系数度量各分区相似性,然后对分区后的相似性得分求加权和。为了解决残缺图像的匹配问题,本文还采用对低置信度区域估计相似度的匹配策略,再求各分区的加权和,最终得到两幅图像的相似度。采用CMC曲线评价初步检索算法的性能,检索结果中前0.1%、前0.2%和前2%名图像的累计匹配得分分别为45.24%、64.09%和87.5%。2)给出了基于SVM的现场鞋底痕迹花纹二次检索算法针对残缺和噪声较大的图像初步检索结果不理想情况,本文给出人工反馈和支持向量机结合的方法,用来提取共性特征和差异性特征,从而提高查全率。本文根据鞋底痕迹各区域SVM的分类结果,采用距离测度衡量与测试图像的相似度,并根据置信度和分类结果,求取各区域的距离加权和。最终,综合分类结果和距离将分类后的图像排序。相比于初步检索结果,查全率平均提高了7%。理论分析和综合实验表明,在10096图像库中,总体检索结果前0.1%、前0.2%和前2%名图像的累计匹配得分分别为54.56%、70.24%和87.5%。本文给出的基于反馈的现场鞋底痕迹花纹图像检索算法,具有几何不变性和实用性,并能对不同程度的残缺图像进行检索,对噪声和花纹的断裂、缺失具有较强的鲁棒性。