论文部分内容阅读
足迹花纹图像是犯罪现场中遗留率较高的重要物证之一,鉴于重复作案的原因,现场足迹花纹图像有效的检索不仅能够协助刑侦人员进行高效地案件串并,还可以帮助他们快速确定犯罪嫌疑人。因此,足迹花纹图像有效的检索是刑事技术迫切需要解决的问题之一。目前足迹花纹图像的检索算法只考虑了查询图像与数据集图像之间的相关性,没有考虑数据集中同类图对检索结果的影响;并且数据集中同类图之间的特征存在冗余,稀疏表示可以用较少的几个特征联合表示图像,更加深刻的描述图像的本质特征,基于此,本文提出了基于稀疏表示的足迹花纹图像检索算法,主要工作如下:1)给出了基于DCT域的足迹花纹图像检索算法本文根据足迹花纹图像的自身特点,给出了基于DCT域的足迹花纹图像检索算法,验证了足迹花纹图像在DCT域特征的有效性。该算法利用足迹花纹图像的傅里叶梅林特征和DCT域特征相结合的排序策略使得检索结果更加符合主客观一致性。在含有9294幅足迹花纹图像的数据集中,检索排名在前10名、前20名的查全率分别达到了 93.9%、96.68%。2)给出了基于多样本联合表示的足迹花纹图像检索算法基于多样本联合表示的足迹花纹图像检索算法包括多样本联合字典的构建和稀疏系数加权重构的策略。本文设计了数据集自动扩充方法,不但可以提高检索效果还可以提高算法的泛化能力。将扩充后数据集中的每类足迹图像进行K-Means聚类,聚类中心即为字典的原子。根据正交匹配跟踪算法求得查询图的稀疏系数,利用足迹的花纹占空比赋予权值重构出稀疏系数。在足迹花纹图像数据集中的实验表明:本文算法达到的性能指标要优于现有的典型算法。在含有9294幅足迹花纹图像的数据集中,检索排名在前10名、前30名的查全率分别达到了 93.88%、97.21%。3)给出了基于堆叠自编码机和KNN的足迹花纹检索算法通过学习多层非线性网络结构来表征输入数据,将堆叠自编码机和最近邻算法相结合,给出了基于堆叠自编码机和KNN的足迹花纹检索算法,在保证检索精度的同时,便于查询图像的实时处理。在含有9294幅足迹花纹图像的数据集中,检索排名在前10名、前20名的查全率分别达到了 87.9%、94.4%。