基于聚类的鞋印图像检索算法研究

发布时间：2017-09-21 06:45

  本文关键词：基于聚类的鞋印图像检索算法研究

  更多相关文章： 鞋印图像检索 聚类 K步稳定 基于聚类的检索

【摘要】：鞋印是刑事侦查的重要物证之一,如何在海量的鞋印数据集中查找到与现场遗留的鞋印同类的图像,是刑事技术迫切需要解决的问题之一。目前的鞋印检索算法没有考虑数据集中图像之间的相关性以及同类图对检索结果的影响,使检索结果在一定程度上缺少语义信息。基于此本文提出了基于聚类的鞋印图像检索算法,目的是通过聚类的手段来提升鞋印图像检索算法的性能。本文主要工作如下：1)提出了基于聚类的鞋印图像检索算法框架本文针对目前鞋印图像检索算法存在的缺陷,提出了基于聚类的鞋印图像检索算法框架。该框架将整体检索过程分为聚类和基于聚类的检索两大部分。在目前鞋印图像检索算法的基础上,加入了数据集中图像之间的相似关系和案发现场存在多幅图像对检索结果的影响,三类数据集的测试实验验证了本文算法的合理性。2)提出了基于K步稳定的鞋印图像聚类算法本文根据鞋印图像的特性,提出了基于K步稳定的鞋印图像聚类算法。该聚类算法主要针对鞋印图像集类别之间存在隔离带的情况而设计的。核心思想是寻找各类鞋印图像之间的隔离带,将各类分开。在两类公开测试数据集和鞋印数据集上的实验表明：本文算法的主要性能指标都超过典型比较算法,其中在包含5792枚鞋印图像数据集上的聚类准确率和F-Measure值分别达到了99.68%和95.99%。3)提出了基于数据集图像聚类的鞋印图像检索算法本文提出的基于数据集图像聚类的鞋印图像检索算法考虑了数据集中两两图像之间的局部关系和同类图像的全局关系,使检索排序得分满足三个条件：(1)检索得分与特征之间的相似性一致；(2)数据集中图像之间的得分关系与其特征之间的相似性一致；(3)数据集中同类图像的检索得分接近。实验结果表明,本文算法的MAP (Mean Average Precision) 和 NDCG (Normalized Discounted Cumulative Gain)指标值分别达到了79.84%和87.15%,较传统算法提高了近20%和12%。4)提出了基于查询图像聚类的鞋印图像检索算法本文考虑了在犯罪现场遗留多幅相同花纹的鞋印图像的情况。根据现场遗留的多幅相同花纹图像的排序得分应该接近这一先验知识,通过考虑多幅现场图像与数据集中图像的综合相似性关系构造排序得分目标函数。实验结果表明,基于多幅查询图像聚类算法的MAP和NDCG指标值分别达到了84.39%和91.89%,较仅根据一幅现场图像检索的算法提高了近30%和20%。本文提出的基于聚类的鞋印图像检索算法较传统算法增加了语义特性,即特征相似图像的排序得分以及同类图像的排序得分都应该相近。在公开测试数据集和实际鞋印数据集上的实验结果表明,该算法对于提升检索结果的性能和主客观一致性具有良好的效果,并已应用到实际系统中。
【关键词】：鞋印图像检索 聚类 K步稳定 基于聚类的检索
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第1章 绪论12-26
• 1.1 研究目的与意义12-13
• 1.2 国内外发展现状13-19
• 1.2.1 鞋印图像检索技术13-17
• 1.2.2 目前达到的性能指标17-19
• 1.3 评测方法与鞋印图像数据集19-22
• 1.3.1 鞋印图像检索算法的评价方法19-21
• 1.3.2 鞋印图像数据集21-22
• 1.4 鞋印图像检索算法存在的问题22
• 1.5 本文的主要工作和章节安排22-26
• 1.5.1 主要工作内容22-23
• 1.5.2 本文章节安排23-26
• 第2章 基于聚类的鞋印图像检索算法框架26-34
• 2.1 引言26
• 2.2 算法原理与描述26-30
• 2.2.1 算法原理26-29
• 2.2.2 算法描述29-30
• 2.3 本文所采用的特征相似性计算方法30-31
• 2.4 评测方法与测试数据31-33
• 2.4.1 比较算法31
• 2.4.2 测试数据31-32
• 2.4.3 评测指标32-33
• 2.5 本章小结33-34
• 第3章 基于K步稳定的鞋印图像聚类算法34-58
• 3.1 引言34-35
• 3.2 相关工作35-36
• 3.3 鞋印图像分布特点分析36-41
• 3.4 基于K步稳定的鞋印图像聚类算法原理与描述41-47
• 3.4.1 一个直观的例子41-42
• 3.4.2 定义42-45
• 3.4.3 算法描述45-47
• 3.5 算法特性分析47-48
• 3.6 实验结果与分析48-57
• 3.6.1 合成数据集的实验结果与分析48-51
• 3.6.2 公共测试数据集的实验结果与分析51-52
• 3.6.3 实际鞋印图像数据集的实验结果与分析52-55
• 3.6.4 参数设置对算法性能影响的实验结果与分析55-57
• 3.7 本章小结57-58
• 第4章 基于数据集图像聚类的鞋印图像检索算法58-72
• 4.1 引言58
• 4.2 相关工作58-60
• 4.2.1 基于点对距离的检索算法58-59
• 4.2.2 基于空间局部模型检索算法59
• 4.2.3 基于聚类检索算法59
• 4.2.4 目前方法存在的不足59-60
• 4.3 基于数据集聚类的鞋印图像检索算法60-63
• 4.3.1 算法原理60-62
• 4.3.2 算法描述62-63
• 4.4 实验结果与分析63-70
• 4.4.1 合成数据集的实验结果和分析63-65
• 4.4.2 鞋印图像数据集的实验结果与分析65-70
• 4.5 本章小结70-72
• 第5章 基于查询图像聚类的鞋印图像检索算法72-80
• 5.1 引言72
• 5.2 基于查询图像聚类的鞋印图像检索算法72-75
• 5.2.1 算法原理72-75
• 5.2.2 算法描述75
• 5.3 鞋印图像数据集实验结果与分析75-77
• 5.4 本章小结77-80
• 第6章 总结与展望80-82
• 6.1 本文主要工作总结80-81
• 6.2 未来工作展望81-82
• 参考文献82-87
• 攻读学位期间公开发表论文87-88
• 致谢88-89
• 作者简介89

【相似文献】

中国期刊全文数据库 前9条

1 宁军丽,王海荣;动力形态特征在鞋印检验中的应用[J];警察技术;2004年02期

2 陈朝晖;;“血鞋印”的困惑[J];警察技术;2008年04期

3 邵永军;陈骐;;浅谈规避鞋印作案现场的勘查工作要点[J];警察技术;2011年03期

4 杨玉柱,杨洪臣,王志群,代雪晶;白瓷砖上水迹鞋印的拍摄[J];警察技术;1999年03期

5 杨智勇;许磊;;利用鞋底镶嵌物特征破获杀人案1例[J];警察技术;2007年05期

6 高树辉,王新淮;现场鞋印档案管理及计算机辅助检索系统研究[J];公安大学学报(自然科学版);2003年02期

7 王新淮,高树辉,班茂森,郭威;鞋印档案管理及计算机辅助检索系统研究[J];警察技术;2001年05期

8 宁宏宇;只要留下足迹,便能把你找到——英国最新研制出一种鉴别足迹的系统[J];科技成果纵横;2000年04期

9 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 王治民;房伊平;;车祸后自缢分析1例[A];全国第七次法医学术交流会论文摘要集[C];2004年

2 肖睿;陆乃将;施鹏飞;;鞋印匹配算法[A];第十三届全国图象图形学学术会议论文集[C];2006年

中国重要报纸全文数据库 前5条

1 通讯员 刘敬元 刘永胜 记者 周丛松;鞍钢：从严管理动真格[N];工人日报;2001年

2 周泽春邋张绿化 许诗谊;带血鞋印修补证据“漏洞”[N];检察日报;2007年

3 记者 章苒　王菁婧;天台：一家族5童失踪,谜团初解[N];新华每日电讯;2010年

4 周水清;收集证据新思路[N];人民公安报;2000年

5 记者 刘娜 通讯员 谢娟 吴远国;品味“痕迹”的魅力[N];湖北日报;2005年

中国硕士学位论文全文数据库 前3条

1 舒莹莹;基于聚类的鞋印图像检索算法研究[D];大连海事大学;2016年

2 闫旭琴;自动鞋印分析与比对系统中的关键技术的研究与实现[D];山东科技大学;2007年

3 董菲菲;基于三维鞋印的鞋底花纹分类及模块设计[D];南昌大学;2010年

，

本文编号：893016