基于角膜圖像特征的死亡時間估計方法研究.pdf

1、死亡時間估計是法醫(yī)學(xué)的一個重要研究領(lǐng)域，角膜的視覺特征變化是一種重要的死后變化，其在法醫(yī)實踐中也有廣泛采用的基礎(chǔ)。合適角膜圖像特征有助于確定客觀的量化指標，同時建立特征指標同死亡時間關(guān)系的模型，提高推斷的準確性和精確度。
　　首先由于采集數(shù)據(jù)為眼部圖像，包含了其他區(qū)域的信息，因此需要提取準確的興趣域以排除無關(guān)信息的干擾。眼部圖像的像素分布特點可以確定通過像素聚類的方法，實現(xiàn)提取興趣域的目標。為了改進傳統(tǒng)的K-means聚類方法無法

2、自適應(yīng)確定聚類目標數(shù)和聚類結(jié)果受到初始類質(zhì)心影響的局限，采用層次聚類確定聚類目標數(shù)，利用Canopy聚類確定聚類的初始質(zhì)心，從而提高了聚類結(jié)果的穩(wěn)定性。隨后利用形態(tài)學(xué)處理修補圖像中的斷缺部分與空洞?；谝陨辖Y(jié)果，繼續(xù)采用Greedy算法計算Snake主動輪廓線模型，精化提取興趣域，最終得到比較準確的角膜興趣域。
　　其次依據(jù)法醫(yī)學(xué)實踐的專家知識，提取透明度與紋理特征作為圖像特征。對于透明度的特征提取問題，通過眼部結(jié)構(gòu)驗證了角膜圖像

3、符合暗通道先驗，隨后結(jié)合通道衰減的先驗，推導(dǎo)了角膜透明度估計的數(shù)學(xué)模型。對于紋理特征提取問題，利用Tamura紋理特征進行描述。針對紋理中存在的興趣域和非興趣域混合的干擾，改進了粗糙度和方向度的算法，根據(jù)改進后算法提取角膜圖像的紋理特征。
　　最后針對提取的透明度特征和紋理特征的分類能力進行了一系列測試。實驗首先證明了透明度模型的可行性，隨后說明了采用一維透明度表達的弊端，然后在高維特征空間對透明度特征進行表達，在SVM和KNN分

4、類器上驗證了高維透明度特征出色的分類能力。隨后為了減少數(shù)據(jù)的存儲和消除冗余信息，經(jīng)過比較，實驗采用KPCA分別降維至不同維度的低維空間，同時檢測降維之后數(shù)據(jù)的分類能力，確定了分類效果最佳的低維空間。最后將低維透明度特征同紋理特征結(jié)合用于樣本分類，同時檢測了它們對于識別率和絕對誤差兩項指標影響，并且同目前相關(guān)方法進行了比較。
　　實驗結(jié)果證明提取的圖像特征確定的死亡時間估計方案較之前的方法有很大的提升，在較高時間精度要求下，平均分類