涉枪案件通常性质恶劣、危害极大,必须尽快侦破并制止,以确保社会稳定、公众安全。弹痕检验是侦办涉枪案件的重要技术手段,可为公安和司法部门提供破案线索和诉讼证据。传统的弹痕检验方法主要是依靠弹痕检验人员,通过显微镜观察弹体表面的痕迹细节实现子弹的比对,整个过程耗时长、工作量大且主观性强,急需一种枪弹痕迹自动识别技术以弥补以往人工检验的不足。作为子弹痕迹检测的主要材料,击针头痕和弹底窝痕记载了弹痕外貌的构造和纹理特点,体现为微观表面的三维几何形状,可将表面波长分成形貌、波纹度和粗糙度。从实验看,粗糙表面的特征点更多表现在凸峰或凹谷,而实际的鉴定工作也基本围绕着这些较为突出的峰谷特征进行。SIFT(Scale-invariant feature transform,尺度不变特征变换)进行特征检测时所提取的特征点基本呈现斑点结构,这些斑点结构恰恰就是凸峰或凹谷最基本的表现形式,因此SIFT对于复杂纹理形貌的描述有着天然的适配性,十分适合于击针头痕、弹底窝痕等枪弹痕迹表面形貌的特征提取与比对。本文以击针头痕、弹底窝痕为研究对象,利用SIFT、RANSAC(Random Sample Consensus,随机采样一致)组合算法以及一种经验的弹底窝痕匹配判定方法对两种枪弹痕迹样本进行匹配实验,旨在提出一种枪弹痕迹自动识别的方法。本文利用理论分析、对比实验等方法开展了SIFT算法对枪弹痕迹匹配问题的研究,其主要内容概括如下:(1)为说明SIFT算法对枪弹痕迹匹配的客观准确性,在物证鉴定中心取得200发弹壳样本进行数据采集以及痕迹预处理。对显微镜获取的弹痕数据进行处理,包括修剪、滤波、增强、截断等步骤,获取枪弹痕迹0-255的灰度图像。将不同种类的痕迹进行优劣对比,最终选取击针头痕和弹底窝痕作为下文实验样本。(2)为实现枪弹检材的快速准确匹配,提出了一种基于尺度不变特征转换(SIFT)算法的枪弹痕迹配准方法。本文对SIFT算法实现原理进行了详细分析和分步验证,包括构建高斯金字塔以及高斯差分金字塔来搜索局部极值点;消除低对比度极值点和边缘响应极值点;生成特征描述向量并对其进行标准化处理。(3)本文通过实验分别对10组击针头痕、弹底窝痕样本进行匹配,结果显示击针头痕匹配对数较少。引入同态滤波概念,对10组击针头痕样本进行同态滤波处理后再进行特征点匹配,匹配效果提升较大。利用RANSAC算法对10组击针头痕、弹底窝痕匹配对进行提纯,结果显示弹底窝痕匹配效果较好,因此将弹底窝痕作为下文实验对象。最后在遮挡、大小、旋转等因素的改变下再次进行匹配实验,验证了SIFT算法对这些影响因素具有较强的鲁棒性。(4)具体阐述了一种经验的特征点密集区域面积占比的方法。首先介绍了相对集中特征点的获取以及特征点密集区域提取算法,以每块区域特征点所围成的最小凸多边形作为特征点密集区域。利用灰度直方图法计算两窝痕特征点密集区域的相似性,通过实验对比可以发现两特征点密集区域余弦夹角普遍在4°到6°之间,而不匹配区域的余弦夹角均超过15°。最后介绍了定性判断两弹底窝痕匹配与否的方法,即特征点密集区域面积法。以特征点密集区域面积占弹底窝痕总面积的百分比作为判断标准,实验证明,百分比超过12%,则认为两弹底窝痕匹配,反之为不匹配。