基于角膜图像的死亡时间推断研究和中毒死亡案件的调查研究

发布时间：2018-11-01 17:35

【摘要】： [背景] 死亡时间(Postmortem interval, PMI)推断一直刑事科学技术和法庭科学技术的重点和难点。如何实现准确、快速的推断,对迅速侦破案件,处理司法鉴定中的疑难问题等均具有重要意义。死亡时间推断实验成果颇多,但均因检材制备较为复杂,实验方法难以统一,离实际应用存在一定的距离。本实验以易于观察、结构单一的角膜为实验对象,通过高清数码摄像机连续拍摄48小时,对家兔死后角膜随时间的变化进行直接的观察和记录。在角膜区域图像分割和图像特征提取的基础上,使用分类计算的方法建立死亡时间推断模型。本实验采用的方法步骤简单,运算方法可靠,预测结果较为满意。 [目的] 1.建立0-48小时内,连续高清摄像,间隔15min截取兔眼数码照片以观察角膜变化的方法。 2.应用matlab软件,在角膜图像分割方法的基础上和建立进行参数提取和运算的方法,取得角膜混浊图片特征库。 3.建立用分类器进行死亡时间推断的模型。 4.对不同分类器预测效果的进行比较。 [方法和步骤] 1.预实验：健康家兔1只,空气栓塞法处死。尸体置于温度控制在(25±1)℃,相对湿度20%-60%的暗室中,门窗关紧遮光,台灯照明,用止血钳使角膜暴露于空气中。从死后即时到48小时内,使用高清摄像机(SONY,HDR-SR12)连续拍摄48小时,取得视频每15分钟截图,取死后15分钟至47小时的图片依次标号为1-188。 2.对兔眼图片进行直方图分割,将图片分割为角膜瞳孔区域和其他区域,并提取出角膜瞳孔区域。 3.利用matlab软件提取一下9种视觉特征：GF, EL, G, S, C, J, Mean, Var和Ske。其中,GF、MEAN/VAR和SKE为颜色特征量,G、S、C和J为纹理特征量。9个特征参数分别为：GF：描述两区域灰度值的区别；MEAN:反应图像颜色的平均值；VAR：表达颜色在图像上的分布均匀程度；SKE：表达图像颜色分布的不对称性；EL：描述图像纹理的光滑程度；G：描述图像纹理清晰程度；S：反映图像纹理的多少和质地；C：描述矩阵中行或列元素之间相似程度的；J对图像灰度分布均匀性的度量。 4.用K最近邻(K-Nearest Neighbor, KNN)分类器对兔子的所有图片进行分类计算,采用4-折的交叉验证运算结果取平均值,进行5轮运算。将15分钟到47小时依次分为3个、4个、5个、6个、8个、10个和14个时间段(分类数为3时,则表示将死后时间分隔成三段,每个时间段15小时左右),观察各个时间段分类的准确率和时间精度对结果的影响。 5.取家兔4只。依次标为兔1,兔2,兔3,兔4,图片摄取和分析处理的方法以及KNN运算方法同预实验。 6.取9个参数联合使用,分别用KNN分类器、Adaboost (Adaptive Boosting)分类器和SVM (Support Vector Machine)分类器对4只兔子的所有图片进行分类计算,采用4-折的交叉验证运算结果取平均值,进行5轮运算。将15分钟到47小时依次分为3个、4个、5个、6个、8个、10个和14个时间段(类别数),比较三种种分类器的分类准确率。 [结果] 1.建立的分类模型能较好的完成死亡时间的分类运算以进行预测。 2.所用角膜分割方法均能较好的完成的兔眼图像分割。 3.9种视觉特征均可用于推断模型,单独使用的分类能力较弱,联合使用结果较好。 4.同类别数下,9个参数联合运用KNN分类器,单只兔子和4只联合运算均取得了较为满意的结果。 5.联合使用各特征,随着死后时间分段数的增加,各时间间隔内的分类准确率下降。对单只兔子数据使用KNN分类器,在分类数为3时,单只兔子的分类准确率平均值为97.1%,分类数为8时准确率平均值为88.5%,分类数为14时平均值为81.5%；取四只兔子图片数据一起进行分类,其准确率在分类数3时为96.9%,分类数为8时准确率为87.6%,分类数14时准确率为80.9%。 6.使用Adaboost分类器,9参数联合使用,单只兔子的分类准确率平均值在分类数为3时,为94.4%；分类数为8时,平均值为85.3%,分类数为14时,平均值为72.9%。四只兔子联合运算,分类数为3时准确率为85.1%；分类数为14时准确率为64.7%统计分析结果显示,较之于KNN分类器,单只兔子运算,分类数较少时两者无明显差异,而分类数较多(10个和14个)有统计学差异,Adaboost分类器低于KNN分类器的结果。而多只兔子联合运算时Adaboost明显低于KNN分类器。 7.使用SVM分类器,9参数联合使用,分类数为3时,单只兔子的平均分类准确率为88.3%,四只兔子联合运算时准确率为78.9%；分类数为14时,单只兔子的平均分类准确率为50.9%,四只兔子联合运算时准确率为30.2%。远低于前两种分类器。 [结论] 1.成功建立了用9个图像特征对死亡时间进行推断的分类模型。 2.基于灰度直方图的方法可以对角膜瞳孔区域进行有效地截取。 3.本实验所选取的9个视觉特征可以对兔的死亡时间的进行较准确的推断。 4.建立的KNN分类器推断模型能较好的完成本实验数据的运算,得出较为稳定的结果。 5.在本实验中,KNN分类器优于SVM分类器和Adaboost分类器。背景：中毒在全球均有较高的发生率,危害人类健康,对人类的生产和生活均有比较大的影响。本文旨在描述华中地区中毒死亡案件的分布特点和变化趋势,为案件调查和公共防治提供参考。材料和方法：取1999年-2008年华中科技大学同济医学院法医学系暨湖北同济法医学司法鉴定中心218例中毒案件,并对其进行回顾性研究。结果：年龄主要集中分布于20-49岁,占69.7%,男女比率为1.7:1。其中最为常见的为杀鼠剂中毒,占19.7%,农药及除草剂中毒占17.9%,一氧化碳中毒占16.5%,而药物、酒精中毒分别为13.8%、12.4%。口服为主要的中毒途径,占65.1%,其次依次为吸入、注射及皮肤接触。死亡方式大多数为为意外中毒,占64.7%；自杀占25.2%,而他杀中毒死亡占3.7%,未定性的占4.1%。与本单位1956-1984年和1983-1999年两次的研究资料相比,杀鼠剂、CO、酒精和药物中毒的比例升高,意外中毒死亡的案件比例也升高。结论：农药中毒在中国仍为突出的威胁公共安全和健康的问题,政府实行有效的管理措施,进一步对农药,尤其是杀鼠剂的应用,进行有效的限制及管理将尤为重要。
[Abstract]:......
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2010
【分类号】：D919

【参考文献】