[發明專利]一種基于專家經驗引導的現場鞋印痕跡花紋圖像檢索方法

有效

• 申請號: 201611097257.9
• 申請日: 2016-12-02
• 公開（公告）號: CN106776950B
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 王新年;吳艷軍
• 申請（專利權）人: 大連海事大學
• 主分類號: G06F16/583
• 分類號: G06F16/583
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 閻昱辰;李洪福

1.一種基于專家經驗引導的現場鞋印痕跡花紋圖像檢索方法，其特征在于包括如下步驟：

—計算待查詢現場鞋印痕跡圖像與圖像庫中樣本圖像之間的相似性，對所述圖像庫中的圖像按相似度得分從大到小進行排序；

—計算圖像庫中任意兩個圖像樣本之間的相似度得分，構建流形正則化項；

—由專家依據兩幅鞋印痕跡圖像的花紋相似程度按經驗劃分成多個相似等級和等級對應的分數，依據上述等級，對查詢圖處于同一現場的樣本圖像，標記相應的相似分數，作為其專家主觀意見相似度得分；

—查找圖像庫中與查詢現場鞋印痕跡圖像采集自同一現場的樣本圖像的k個最近鄰圖像；賦予k個最近鄰圖像專家主觀意見相似等級和等級對應的分數，對于與查詢現場鞋印痕跡圖像采集自同一現場的樣本圖像，及其k個最近鄰圖像的專家主觀意見相似度得分表示為：

其中o_i為表示查詢圖像及與查詢圖像采集自同一現場的圖像集中第i幅圖像的專家主觀意見相似度得分，w(q_j,u_i)為與查詢圖像采集自同一現場的圖像集中第j幅圖像與其k個最近鄰圖像的相似度得分，其計算形式如下：

其中，A_mn為與查詢圖像采集自同一現場的圖像集Q中第j幅鞋印花紋圖像的頻譜特征中的元素，表示頻譜特征A的平均值，B_mn為庫中k個最近鄰圖像的頻譜特征中的元素，表示頻譜特征B的平均值；

—構建專家主觀意見相似度得分預測模型：

對于與查詢現場鞋印痕跡圖像采集自同一現場的樣本圖像，及其k個最近鄰圖像的預測專家意見相似度得分表示為上述關于查詢圖像與該圖像相似度的一個四參數邏輯回歸函數；

—上述預測模型的參數通過學習得到，構建并使用訓練樣本庫T＝{(x⁽ⁱ⁾,y⁽ⁱ⁾),i＝1,2,…,M}，利用最小二乘法學習上述預測模型的參數，并求得最優化參數為：

訓練樣本庫T中的圖像被隨機分為L_T組，每組中由一個參考圖像和其余n(i)幅鞋印痕跡圖像組成；

令多位刑偵專家對訓練樣本庫T中各組的圖像，依據其與該組參考圖像的相似程度，分別給出專家意見相似度得分，并對專家意見相似度得分取平均，記為y⁽ⁱ⁾；計算每組參考圖像與該組其余圖像的相似度得分x⁽ⁱ⁾，相似度得分計算公式為：

其中，A_m′n′為訓練樣本庫中第i幅鞋印花紋圖像的頻譜特征中的元素，表示頻譜特征A的平均值，B_m′n′為訓練樣本庫中該組參考圖像的頻譜特征中的元素，表示頻譜特征B的平均值；

—對于與查詢現場鞋印痕跡圖像采集自同一現場的樣本圖像，及其k個最近鄰圖像，利用公式對專家主觀意見相似度得分和預測專家意見相似度得分進行融合，其中a_s和a_p表示權重系數，且a_s+a_p＝1；對于圖像庫中其他圖像

—構造并求解目標函數，計算各圖像樣本的排序分數，給出排序結果，完成圖像檢索；所述的目標函數如下所示：

其中f^*為最優計算排序得分，u_i表示圖像庫U中的第i幅圖像，f_i為圖像庫U中的第i幅圖像排序得分；α,β,γ為權重系數，αβ，0α,β,γ1，R為系數矩陣，為對角陣，R_i,i表示R中第i行第i列元素；W表示鄰接矩陣，W_ij表示W中第i行第i列元素，其中元素對應的是圖像庫U中任意兩幅樣本圖像的相似度得分；C是一個對角矩陣，C_ii為其對角線上第i個元素，C_ii表示第i幅圖像與其余圖像的相似度的和，q_i為與查詢圖像采集自同一現場的圖像集Q中第i幅圖像，N_k(q_i)為q_i的k個最近鄰圖像；為專家意見相似度得分。

2.根據權利要求1所述的基于專家經驗引導的現場鞋印痕跡花紋圖像檢索方法，其特征還在于所述的圖像庫，其中表示采集自不同現場的待檢索鞋印痕跡圖像集，表示查詢圖像及與查詢圖像采集自同一現場的圖像集，其中q₁為查詢圖像。