基于反饋的現(xiàn)場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)性的任務就是將犯罪現(xiàn)場遺留的低質量的鞋底痕跡花紋圖像與數據庫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)場鞋底痕跡花紋圖像檢索算法目的是幫助鑒定專家準確的檢索出最匹配的鞋底痕跡花紋圖像，并且檢索結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)場鞋底痕跡花紋圖像作為圖像庫，并用于實驗。具體成果如下:
　　1)給出了現(xiàn)

2、場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
　　針對現(xiàn)場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)場鞋底痕跡檢索算法，利用小波變換的多尺度分析特點與FMT的平移、旋轉不變性，在去除干擾信息的同時提取具有平移和旋轉不變的特征。
　　(2)基于局部與整體的特征匹配策略
　　針對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、提取的基礎上，對于鞋底痕跡花紋采取分區(qū)匹配的方法，并采用相關系數度量各分區(qū)相似性，然后對分區(qū)后的相似性得分求加權和。為了解決殘缺圖像的匹配問題，本文還采用對低置信度區(qū)域估計相似度的匹配策略，再求各分區(qū)的加權和，最終得到兩幅圖像的相似度。
　　采用CMC曲線評價初步檢索算法的性能，檢索結果中前0.1％、前0.2％和前2％名圖像的累計匹配得分分別為45.24％、64.09％和87.5％。
　　2)給出了基于SVM的現(xiàn)場鞋底痕跡花

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