刑侦现勘图像特征提取算法研究

《刑侦现勘图像特征提取算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、必姜邦ｔ大＃硕士研究生学位论文刑侦现勘图像特征提取算法研究作者：胡丹指导教师：刘颖教授级高工专业学位类别（领域）：电子与通信工程二〇一提交论文日期：八年六月单位代码11664学号1501210116分类号TP391密级公开西安邮电大学硕士研究生学位论文题（中、英文）目刑侦现勘图像特征提取算法研究StudyonFeatureExtractionforCrimeSceneInvestigationImageRetrieval作者姓名胡丹指导教师姓名、职务刘颖教授级高工学科门类工学学科（专业）电子与通信工

2、程提交论文日期二○一八年六月摘要摘要互联网、数码相机和手机的普及，使得拍摄照片、上传照片、分享照片越来越方便，因此，每天都会产生海量的图像数据。高效的管理海量图像数据，并能够快速的从海量图像数据中检索出所需信息，已成为现今的研究热点之一。本文依托西安邮电大学和陕西省公安厅联建的“电子信息现场勘验应用技术”公安部重点实验室平台所提供的刑侦现勘图像，对图像进行分析，并结合图像的特点，改进图像特征提取算法，优化检索方法，提高检索效率。本文首先对刑侦现勘图像检索领域的技术现状，进行了归纳总结，并分析了不足；其次提出了一个创新的刑侦现勘图

3、像检索机制，创新点包括低层数字特征提取，以及检索结果优化；最后在卷积神经网络模型的基础上提出卷积神经网络中间层特征提取算法以及与低层数字特征融合的特征提取算法。从陕西省公安厅获取了近两万幅刑侦现勘图像，并从中选取了10082幅作为实验数据。首先，提出了DCT-DCT波纹理特征提取算法。实验结果显示，DCT-DCT波纹理特征维度低，提取速度快，能够得到较高的检索效率。另外，为了从不同的角度描述刑侦现勘图像的内容，首次将GIST描述子特征引入到刑侦现勘图像的特征提取上，并融合DCT-DCT波纹理特征、HSV颜色直方图特征，来构成融合

4、特征对刑侦现勘图像进行检索。实验结果表明，融合特征可以在很大程度上提高检索查准率。因此，设计一个合适的图像特征提取算法是图像检索中关键的一步。其次，提出了基于检索结果优化的检索算法。该检索算法分为两步来实现图像的检索。该算法充分利用了由图像高层语义带来的检索便利，又避免了图像高层语义的误判所带来的检索误差。在刑侦现勘图像上的实验结果表明，该算法使得检索查准率从整体上得到了很大的提高。最后，由于深度学习算法可以在图像像素值的基础上，组合图像的低层数字特征来形成更加贴合图像语义的高层特征，因此在刑侦现勘图像数据库上训练深度学习模型，

5、并对模型中间层提取的图像特征进行分析处理，构成能够很好表达刑侦现勘图像内容的图像特征，实验结果显示，从深度学习模型中提取的图像特征在检索查准率上优于传统的纹理、颜色等特征。另外，将传统特征与从深度学习模型中提取的特征相融合，检索查准率又能得到进一步提高。另外，为了直观展示刑侦现勘图像的检索结果，设计了刑侦现勘图像检索界面，该检索界面能够展示刑侦现勘图像六种不同图像特征下的检索结果以及查询图像的语义类别。检索界面不仅是对检索算法的一种直观表达，同样能够帮助办案人员检索到所需图像。I西安邮电大学硕士学位论文关键词：刑侦现勘图像检索；

6、低层数字特征；卷积神经网络；基于内容的图像检索IIABSTRACTABSTRACTThepopularityoftheinternet,mobilephones,anddigitalcamerashasmadeiteasiertotakephotos,uploadphotos,andsharephotos.Asaresult,massiveamountsofimagedataareproducedeveryday.Efficientmanagementofmassiveimagedataandtheabilitytoquickl

7、yretrievetherequiredinformationfrommassiveimagedatahasbecomeoneofthecurrentresearchhotspots.RelyingontheKeyLab.forElectronicInformationProcessingwithApplicationsinCrimeSceneInvestigation,ministryofpublicsecurity,China,thispaperanalyzetheimageofcrimesceneinvestigation

8、(CSI),andcombinethecharacteristicsoftheCSIimagetoimprovethealgorithmofimagefeatureextraction,optimizetheimageretrievalmethod,andimp