犯罪工具痕跡計算機分析系統(tǒng)識別技術的研究.pdf

1、模式識別是指對表征事物或現象的各種形式的信息進行處理和分析，以對事物或現象進行描述、辨認、分類和解釋的過程。它是信息科學和人工智能的重要組成部分，主要應用于圖像分析與處理、語音識別、聲音分類、通信、計算機輔助診斷、數據挖掘等領域。針對目前公安部門一直沿用傳統(tǒng)的手印、足跡等識別手段，對工具痕跡的檢驗鑒定能力不強，不能發(fā)揮工具痕跡在偵破工作中作用的現狀，提出了借助于計算機對工具痕跡圖像進行特征提取和分類識別的方法。通過對犯罪工具痕跡圖像的紋

2、理研究，提取灰度共生矩陣、Tamura紋理特征，運用基于BP神經網絡和支持向量機的多類模式分類方法分別對三種不同犯罪工具剪切鐵條的痕跡圖像進行分類識別，通過實驗驗證了利用這兩種分類方法在犯罪工具痕跡分類中的可行性和適用性。 本文首先介紹圖像紋理的基本概念、特征、研究方法、應用領域。針對痕跡圖像的特點，選取了灰度共生矩陣中的四種參數（能量、熵、慣性矩、局部平穩(wěn)性）和Tamura紋理特征中的三種參數（粗糙度、對比度、方向度）作為痕跡

3、圖像的紋理特征。利用這7個特征構成非線性參量，提出了基于BP神經網絡分類和基于支持向量機的痕跡圖像分類方法。在基于BP神經網絡中，通過實驗研究設置了學習速率基值、學習速率、動量因子、迭代次數等參數。在基于支持向量機的多類模式分類器中，研究了訓練類型、內核類型、交叉驗證優(yōu)化參數、預處理函數、編碼方案等參數選擇。 研究結果表明，通過合理地設置BP神經網絡和支持向量機分類器參數，可以利用痕跡圖像的痕跡紋理特征對犯罪工具痕跡圖像進行分類