论文部分内容阅读
鞋印作为犯罪现场中遗留率较高的痕迹之一,它在案件的串并分析和缩小嫌疑人范围的过程中起着至关重要的作用。鞋印图像分类是将鞋印图像按一定分类规则分到已知类别中的过程,鞋印图像的自动分类,能有效促进案件的侦破。其主要建立在图像理解的基础上,图像理解不仅需要底层的视觉特征还需要抽象的知识。因此语义信息能有效提高鞋印图像的分类性能,基于此本文给出了基于语义的鞋印图像分类算法,本文主要工作如下:1)给出了基于语义的鞋印图像分类算法框架本文针对目前鞋印图像分类算法存在的缺陷,给出了基于语义的鞋印图像分类算法框架。该框架主要包括:语义表达算法、空间关系描述算法以及结合最近邻的决策树分类算法三大部分。通过在鞋印数据集的相关实验来验证该框架的合理性。2)给出了兼顾语义相关性的语义表达算法本文以传统的视觉词袋模型为基础,结合鞋印图像的语义特性,给出了符合鞋印图像的基元语义词汇表构建方法;并根据监督反馈的思想获取了语义词汇表中各花纹单词的语义关系。最后根据各语义之间的关系实现了兼顾语义相关性的语义表达。经分类实验验证表明,这种兼顾语义相关性的语义特征比不考虑相关性的语义特征有更为有效的表达效果。3)给出了分层次的空间关系描述算法本文根据基元分布抗干扰能力的不同,将鞋印图像进行层次划分,并对不同层次的鞋印图像采用不同的空间关系描述方法。主要给出了基于距离度量矩阵的空间关系描述法和基于小波-傅里叶变换的空间关系描述法。经实验验证表明,这种分层次的空间表达算法,能有效的进行空间关系描述,为分类提供一定依据。4)给出了结合最近邻的决策树分类算法本文采用了决策树的树状流程结构对不同特征的最近邻分类结果进行可信度的判断,从而获取可信度较高的分类结果。该算法将两个分类方法进行了融合,即保留了各特征的分类优势,同时简化了分类器的训练过程,提高了分类准确率。经实验验证表明,本文算法具有较好的分类性能。为验证基于语义的鞋印图像分类算法的分类性能,本文将3500类7834幅嫌疑人鞋印图像数据作为测试数据库,从中随机选取1000类1000幅嫌疑人图像作为训练图像,1143类1143幅嫌疑人图像作为测试图像。经实验验证本文的分类准确性达到了 92.9%,且分类错误的类别仍具有较好的主客观一致性,是一种有效的分类算法。