基于局部语义滤波器组的低质量鞋印图像检索算法
发布时间：2021-08-31 01:25
现场鞋印图像是指从犯罪现场中采集的鞋印图像,是犯罪现场中最常见的重要证据之一,对破案人员来说有重要意义。鞋印检索的目的是从鞋印数据库中检索出与犯罪现场相似的鞋印图像,从而帮助刑侦人员揭示有关案件的线索。由于从犯罪现场采集到的鞋印通常是缺损且模糊的低质量鞋印图像,这对鞋印图像检索来说是不小的挑战。目前现有的鞋印图像检索算法对高残缺、高模糊的低质量鞋印图像的鲁棒性仍然较差。本文给出了一种基于局部语义滤波器组的低质量鞋印检索算法,主要工作如下:1)给出一种局部语义滤波器组构建算法。首先给出一种基于交互式的不同类型局部语义块的提取规则,提取低质量鞋印图像中存在的周期性和标志性局部语义块;其次,基于不同局部语义块训练局部语义滤波器模型并构建局部语义滤波器组,降低了鞋印图像中的噪声干扰,使得鞋印检索对低质量鞋印图像更具有鲁棒性,从而提高检索精度;最后将基于局部语义滤波器组与基于小波傅里叶梅林特征的相似度得分进行融合,得到最终的排序得分。本文在3个数据集MUES-SR10KS2S、FID-300和CS上进行了验证实验,均取得了良好的检索效果,其中在低质量现场鞋印数据集MUES-SR10KS2S上的前...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图２．２现场鞋印图像的特征??Ｆｉｇ．?２．２?Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ?ｏｆ?ｃｒｉｍｅ?ｓｃｅｎｅ?ｓｈｏｅｐｒｉｎｔｓ??２．３本文算法总体框架??
?基于局部语义滤波器组的低质量鞋印图像检索算法???本章的具体安排如下：首先对本章算法的相关工作及方法进行阐述并进行分析；然??后制定了局部语义样本提取规则；接着对局部语义滤波器组训练的原理以及步骤进行阐??述：最后给出了算法三个现场鞋印数据集上的实验结果以及实验分析，并进行本章总结。??３．２相关工作??３．２．１基于低质量鞋印花纹分析的相关工作??Ｋｏｒｔｙｌｅｗｓｋｉ等人％提出一种基于周期性特征模型的检索算法，该方法对鞋印的周??期性区域进行定位和分析，提取每个周期性区域的傅里叶描述子并进行分类。最后利??用提取的傅里叶特征计算图像之间的相似度进行鞋印检索，该方法没有充分考虑到鞋??印种还存在的标志性局部语义区域，对于有同样周期性花纹的不同类型的鞋印图像检??索结果会有影响。??本章将鞋印中存在的纹理分为两类：标志性纹理和周期性纹理（如图３．２所示）。??其中，标志性纹理是指鞋底花纹图像中所具有明显标志性特征的区域块；周期性纹理??是指鞋底花纹图像中有重复性特征且具有周期性的局部语义区域。??ｉ｜Ｂ｜??匪腿??标志性纹３?＂＂＾??＾??＾?１?周期性纹理??图３．２低质量鞋印图像的纹理?’??Ｆｉｇ．?３．２?Ｔｅｘｔｕｒｅ?ｏｆ?ｌｏｗ?ｑｕａｌｉｔｙ?ｓｈｏｅｐｒｉｎｔ?ｉｍａｇｅｓ??－?１６?－??
?基于局部语义滤波器组的低质量鞋印图像检索算法???其中，＆和６分别表示为水平方向的梯度值以及垂直方向上的梯度值，（７（＾）代表梯??度的幅度值，外表示梯度方向。??（１）构建梯度方向直方图?＊??将图像分为若干个单元格，并将单元格的梯度方向３６０度分成若干个方向块，对??单元格内每一像素的梯度方向在直方图中进行加权投影从而得到该单元格的梯度方向?？??直方图。例如：将梯度方向分割成１２个方向块，每个方向块包含３０度（如图３．３所??示），则整个直方图包含１２维，然后根据每个像素点的梯度方向，利用双线性内插法??将其幅值累加到直方图中，从而得到梯度方向直方图。??９０。??１８０。?——＾??０。??Ｗ??２７０°??图３．３梯度方向的划分??Ｆｉｇ．?３．３?Ｇｒａｄｉｅｎｔ?ｄｉｒｅｃｔｉｏｎ?ｄｉｖｉｓｉｏｎ??（２）归一化方向梯度直方图??把相邻小块合成较大的区间进行处理，并利用该区间中的每一个小块进行归一化处??理，最终得到归一化处理后的区间描述符，并结合所有的区间描述符形成最终的ＨＯＧ??特征。??３．３局部语义样本提取规则的制定?－??为了解决用户与检索系统之间存在的巨大的语义鸿沟问题，本文制定了一个新的??交互式多个局部语义信息块的提取规则，通过该交互规则的制定可以使得用户只需进?＊??行简单的交互，提取有效的局部语义信息块，进而降低用户与检索系统之间的语义鸿??沟，提高检索算法的准确度。??－２０?－??
本文编号：3373895
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
图２．２现场鞋印图像的特征??Ｆｉｇ．?２．２?Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ?ｏｆ?ｃｒｉｍｅ?ｓｃｅｎｅ?ｓｈｏｅｐｒｉｎｔｓ??２．３本文算法总体框架??
?基于局部语义滤波器组的低质量鞋印图像检索算法???本章的具体安排如下：首先对本章算法的相关工作及方法进行阐述并进行分析；然??后制定了局部语义样本提取规则；接着对局部语义滤波器组训练的原理以及步骤进行阐??述：最后给出了算法三个现场鞋印数据集上的实验结果以及实验分析，并进行本章总结。??３．２相关工作??３．２．１基于低质量鞋印花纹分析的相关工作??Ｋｏｒｔｙｌｅｗｓｋｉ等人％提出一种基于周期性特征模型的检索算法，该方法对鞋印的周??期性区域进行定位和分析，提取每个周期性区域的傅里叶描述子并进行分类。最后利??用提取的傅里叶特征计算图像之间的相似度进行鞋印检索，该方法没有充分考虑到鞋??印种还存在的标志性局部语义区域，对于有同样周期性花纹的不同类型的鞋印图像检??索结果会有影响。??本章将鞋印中存在的纹理分为两类：标志性纹理和周期性纹理（如图３．２所示）。??其中，标志性纹理是指鞋底花纹图像中所具有明显标志性特征的区域块；周期性纹理??是指鞋底花纹图像中有重复性特征且具有周期性的局部语义区域。??ｉ｜Ｂ｜??匪腿??标志性纹３?＂＂＾??＾??＾?１?周期性纹理??图３．２低质量鞋印图像的纹理?’??Ｆｉｇ．?３．２?Ｔｅｘｔｕｒｅ?ｏｆ?ｌｏｗ?ｑｕａｌｉｔｙ?ｓｈｏｅｐｒｉｎｔ?ｉｍａｇｅｓ??－?１６?－??
?基于局部语义滤波器组的低质量鞋印图像检索算法???其中，＆和６分别表示为水平方向的梯度值以及垂直方向上的梯度值，（７（＾）代表梯??度的幅度值，外表示梯度方向。??（１）构建梯度方向直方图?＊??将图像分为若干个单元格，并将单元格的梯度方向３６０度分成若干个方向块，对??单元格内每一像素的梯度方向在直方图中进行加权投影从而得到该单元格的梯度方向?？??直方图。例如：将梯度方向分割成１２个方向块，每个方向块包含３０度（如图３．３所??示），则整个直方图包含１２维，然后根据每个像素点的梯度方向，利用双线性内插法??将其幅值累加到直方图中，从而得到梯度方向直方图。??９０。??１８０。?——＾??０。??Ｗ??２７０°??图３．３梯度方向的划分??Ｆｉｇ．?３．３?Ｇｒａｄｉｅｎｔ?ｄｉｒｅｃｔｉｏｎ?ｄｉｖｉｓｉｏｎ??（２）归一化方向梯度直方图??把相邻小块合成较大的区间进行处理，并利用该区间中的每一个小块进行归一化处??理，最终得到归一化处理后的区间描述符，并结合所有的区间描述符形成最终的ＨＯＧ??特征。??３．３局部语义样本提取规则的制定?－??为了解决用户与检索系统之间存在的巨大的语义鸿沟问题，本文制定了一个新的??交互式多个局部语义信息块的提取规则，通过该交互规则的制定可以使得用户只需进?＊??行简单的交互，提取有效的局部语义信息块，进而降低用户与检索系统之间的语义鸿??沟，提高检索算法的准确度。??－２０?－??
本文编号：3373895
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3373895.html
