基于反饋的現(xiàn)場(chǎng)鞋底痕跡花紋檢索算法研究.pdf

1、在刑事案件中，鞋底痕跡花紋對(duì)于偵破案件發(fā)揮巨大的作用。其中，最具有挑戰(zhàn)性的任務(wù)就是將犯罪現(xiàn)場(chǎng)遺留的低質(zhì)量的鞋底痕跡花紋圖像與數(shù)據(jù)庫(kù)中的鞋底痕跡花紋比較，找出最匹配的一幅圖像。本文給出基于反饋的現(xiàn)場(chǎng)鞋底痕跡花紋圖像檢索算法目的是幫助鑒定專家準(zhǔn)確的檢索出最匹配的鞋底痕跡花紋圖像，并且檢索結(jié)果符合專家的主觀判斷，從而提高破案效率。本文采用第三方提供的10096幅現(xiàn)場(chǎng)鞋底痕跡花紋圖像作為圖像庫(kù)，并用于實(shí)驗(yàn)。具體成果如下:
　　1)給出了現(xiàn)

2、場(chǎng)鞋底痕跡花紋圖像的初步檢索算法
　　(1)基于小波-傅里葉變換的特征提取算法
　　針對(duì)現(xiàn)場(chǎng)鞋底痕跡圖像存在噪聲、裂痕和花紋破損等干擾問題，本文給出了基于小波-傅里葉變換的現(xiàn)場(chǎng)鞋底痕跡檢索算法，利用小波變換的多尺度分析特點(diǎn)與FMT的平移、旋轉(zhuǎn)不變性，在去除干擾信息的同時(shí)提取具有平移和旋轉(zhuǎn)不變的特征。
　　(2)基于局部與整體的特征匹配策略
　　針對(duì)殘缺圖像的匹配精度問題，本文給出了整體與局部的特征匹配策略。在特征

3、提取的基礎(chǔ)上，對(duì)于鞋底痕跡花紋采取分區(qū)匹配的方法，并采用相關(guān)系數(shù)度量各分區(qū)相似性，然后對(duì)分區(qū)后的相似性得分求加權(quán)和。為了解決殘缺圖像的匹配問題，本文還采用對(duì)低置信度區(qū)域估計(jì)相似度的匹配策略，再求各分區(qū)的加權(quán)和，最終得到兩幅圖像的相似度。
　　采用CMC曲線評(píng)價(jià)初步檢索算法的性能，檢索結(jié)果中前0.1％、前0.2％和前2％名圖像的累計(jì)匹配得分分別為45.24％、64.09％和87.5％。
　　2)給出了基于SVM的現(xiàn)場(chǎng)鞋底痕跡花

4、紋二次檢索算法
　　針對(duì)殘缺和噪聲較大的圖像初步檢索結(jié)果不理想情況，本文給出人工反饋和支持向量機(jī)結(jié)合的方法，用來提取共性特征和差異性特征，從而提高查全率。本文根據(jù)鞋底痕跡各區(qū)域SVM的分類結(jié)果，采用距離測(cè)度衡量與測(cè)試圖像的相似度，并根據(jù)置信度和分類結(jié)果，求取各區(qū)域的距離加權(quán)和。最終，綜合分類結(jié)果和距離將分類后的圖像排序。相比于初步檢索結(jié)果，查全率平均提高了7％。
　　理論分析和綜合實(shí)驗(yàn)表明，在10096圖像庫(kù)中，總體檢索結(jié)果