基于角膜圖像特征的死亡時(shí)間估計(jì)方法研究.pdf

1、死亡時(shí)間估計(jì)是法醫(yī)學(xué)的一個(gè)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(shí)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(biāo)，同時(shí)建立特征指標(biāo)同死亡時(shí)間關(guān)系的模型，提高推斷的準(zhǔn)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(zhǔn)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(diǎn)可以確定通過像素聚類的方法，實(shí)現(xiàn)提取興趣域的目標(biāo)。為了改進(jìn)傳統(tǒng)的K-means聚類方法無法

2、自適應(yīng)確定聚類目標(biāo)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(biāo)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(bǔ)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(jì)算Snake主動(dòng)輪廓線模型，精化提取興趣域，最終得到比較準(zhǔn)確的角膜興趣域。
　　其次依據(jù)法醫(yī)學(xué)實(shí)踐的專家知識(shí)，提取透明度與紋理特征作為圖像特征。對(duì)于透明度的特征提取問題，通過眼部結(jié)構(gòu)驗(yàn)證了角膜圖像

3、符合暗通道先驗(yàn)，隨后結(jié)合通道衰減的先驗(yàn)，推導(dǎo)了角膜透明度估計(jì)的數(shù)學(xué)模型。對(duì)于紋理特征提取問題，利用Tamura紋理特征進(jìn)行描述。針對(duì)紋理中存在的興趣域和非興趣域混合的干擾，改進(jìn)了粗糙度和方向度的算法，根據(jù)改進(jìn)后算法提取角膜圖像的紋理特征。
　　最后針對(duì)提取的透明度特征和紋理特征的分類能力進(jìn)行了一系列測(cè)試。實(shí)驗(yàn)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(dá)的弊端，然后在高維特征空間對(duì)透明度特征進(jìn)行表達(dá)，在SVM和KNN分

4、類器上驗(yàn)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(chǔ)和消除冗余信息，經(jīng)過比較，實(shí)驗(yàn)采用KPCA分別降維至不同維度的低維空間，同時(shí)檢測(cè)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(shí)檢測(cè)了它們對(duì)于識(shí)別率和絕對(duì)誤差兩項(xiàng)指標(biāo)影響，并且同目前相關(guān)方法進(jìn)行了比較。
　　實(shí)驗(yàn)結(jié)果證明提取的圖像特征確定的死亡時(shí)間估計(jì)方案較之前的方法有很大的提升，在較高時(shí)間精度要求下，平均分類