文档介绍：广东工业大学
硕士学位论文
犯罪工具痕迹计算机分析系统识别技术的研究
姓名:陈炫堂
申请学位级别:硕士
专业:信号与信息处理
指导教师:朱铮涛
20090602
摘要迹图像的纹理研究,提取灰度共生矩阵、纹理特征,运用基于卯神经网络量机的痕迹图像分类方法。在基于即神经网络中,通过实验研究设置了学习速率基研究结果表明,通过合理地设置卯神经网络和支持向量机分类器参数,可以利错性和稳定性,并能在识别检测中,既能有效地发挥卯神经网络的联想记忆和分布模式识别是指对表征事物或现象的各种形式的信息进行处理和分析,以对事物部分,主要应用于图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断、数据挖掘等领域。针对目前公安部门一直沿用传统的手印、足迹等识别手段,对工借助于计算机对工具痕迹图像进行特征提取和分类识别的方法。通过对犯罪工具痕和支持向量机的多类模式分类方法分别对三种不同犯罪工具剪切铁条的痕迹图像进本文首先介绍图像纹理的基本概念、特征、研究方法、应用领域。针对痕迹图像的特点,选取了灰度共生矩阵中的四种参数芰俊㈧亍⒐咝跃亍⒕植科轿刃和纹理特征中的三种参数植诙取⒍员榷取⒎较蚨作为痕迹图像的纹理特征。利用这鎏卣鞴钩煞窍咝圆瘟浚岢隽嘶贐窬绶掷嗪突谥С窒值、学习速率、动量因子、迭代次数等参数。在基于支持向量机的多类模式分类器中,研究了训练类型、内核类型、交叉验证优化参数、预处理函数、编码方案等参用痕迹图像的痕迹纹理特征对犯罪工具痕迹图像进行分类识别。在同一光照强度下并行处理功能,又能展现诮饩鲇邢扪靖呶P偷墓乖煳侍馍系淖詈梅夯力,从而保证识别的准确性和鲁棒性。计算机视觉;纹理特征;神经网络;支持向量机或现象进行描述、辨认、分类和解释的过程。它是信息科学和人工智能的重要组成具痕迹的检验鉴定能力不强,不能发挥工具痕迹在侦破工作中作用的现状,提出了行分类识别,通过实验验证了利用这两种分类方法在犯罪工具痕迹分类中的可行性和适用性。数选择。获取的图像,只要选择足够的犯罪工具痕迹样本训练网络,网络就能具有较好的容关键字:
衋,,琣痶,,,,,琧琩,瓵琭猼,瑃,琣瓼..甶⒀甀,琾.,.—,甌畉Ⅱ
。曲一,巧琤甀.:;
论文作者签名:群,堂艚撕虢擀旁‘日独创性声明年秉承学校严谨的学风与优良的科学道德,本人声明所呈交的论文是我个人在导师的指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,不包含本人或其他用途使用过的成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明,并表示了谢意。本学位论文成果是本人在广东工业大学读书期间在导师的指导下取得的,论文成果归广东工业大学所有。申请学位论文与资料若有不实之处,本人承担一切相关责任,特此声明。月广东工业大学工学硕士学位论文
,⒄完全一致的图像区域。因此,在实际应用中很难使用线条的位置与角度来识别痕迹。工具痕迹学是一门边缘学科,该领域的学者一直沿袭传统的思维方式和研究手段,导致在此领域的理论与技术难以突破。随着法制建设的不断完善,科学破案与工具痕迹的检验鉴定均是利用肉眼对痕迹的欧氏空间结构形态特征如线条、几何结构等特征的形状、位置等关系进行比较,这样的检验鉴定方法无法定量表示痕迹的特征,这既不利于法庭上对证据的描述,也不利于计算机处理,往往效率低下。尤其在犯罪现场未能发现作案嫌疑工具的情况下,没有计算机自动比对系统,想根据工具痕迹确定作案工具的种类更是如大海捞针【俊犯罪工具痕迹的研究在国外也逐渐受到重视,已经有学者把计算机技术与信息技术应用到工具痕迹的检验中。近两年,查阅乡南譡贸觯汗庋д呃用图像处理技术提取痕迹图像中线条的空间位置和方位角度,作为空间纹理特征对工具线条痕迹进行识别。工具痕迹中线条类型痕迹只是其中的一种,而且在工具形成痕迹时,由于用力不均或工具形成痕迹的部位不同,均会影响线条的位置和角度,而且在痕迹图像获取过程中,由于痕迹很难精确定位,会造成同一造痕工具形成不工具痕迹是工具旌厶的外力作用下,于承痕体接触部位上形成的立体痕迹【。关于犯罪工具痕迹的分类识别,国内外都有多种不同的划分方法。目前在国内有一定影响的分类可以归纳为以下五种:丛煨椭魈骞ぞ叩牟煌治F鹱印⒋缸印⒌丁⒏ā⑶⒓簟⒕狻薄⒆甑痕迹。唇哟シ绞讲煌治>蔡奂包括打击和撬压痕迹⒍奂包括砍
垂ぞ吆奂P翁煌治6侠牒奂#ㄇ恐贫侠拉伸断离、剪切断离、弯折断离、扭折断离推@投侠耄幌咝院奂#ú粱咝巍⒓羟邢咝巍⑶沟一是美国费希尔在《犯罪现场勘察技术》一文中的分类方法:他认为