[发明专利]一种基于专家经验引导的现场鞋印痕迹花纹图像检索方法

摘要

本发明是一种基于专家经验引导的现场鞋印痕迹花纹图像检索方法，本发明对于与查询图像同一现场图像，利用专家经验给出相应的专家意见相似度得分，并利用该得分引导检索，提升检索精度；本发明构建专家意见得分预测模型，有效地避免了由人主观原因引起的检索精度的降低；本发明通过引入流形学习方法，考虑库中图像两两之间的关系，进一步提高检索精度；本发明引入了系数矩阵，有效地解决了传统流形学习检索中使计算排序得分趋于零的问题。通过实验证明本方法在现场鞋印花纹图像的检索实验中的检索精度明显优于现有技术，利用少量的同一现场鞋印花纹图像样本提高了检索性能。因此，本发明可以广泛用于现场鞋印花纹图像检索领域。

主权项

一种基于专家经验引导的现场鞋印痕迹花纹图像检索方法，其特征在于包括如下步骤：—计算待查询现场鞋印痕迹图像与图像库中样本图像之间的相似性，对所述图像库中的图像按相似度得分从大到小进行排序；—计算图像库中任意两个图像样本之间的相似度得分，构建流形正则化项；—由专家依据两幅鞋印痕迹图像的花纹相似程度按经验划分成多个相似等级和等级对应的分数，依据上述等级，对所述查询图处于同一现场的样本图像，标记相应的相似分数，作为其专家主观意见相似度得分；—查找图像库中与查询现场鞋印痕迹图像采集自同一现场的样本图像的k个最近邻图像；赋予k个最近邻图像专家主观意见相似等级和等级对应的分数，对于与查询现场鞋印痕迹图像采集自同一现场的样本图像，及其k个最近邻图像的专家主观意见相似度得分表示为：ys(ui)=oiui∈Qw(qj,ui)ojui∈Nk(qj)]]>其中oi为表示查询图像及与查询图像采集自同一现场的图像集中第i幅图像的专家主观意见相似度得分，w(qj,ui)为与查询图像采集自同一现场的图像集中第j幅图像与其k个最近邻图像的相似度得分，其计算形式如下：w(qj,ui)=ΣmΣn(Amn-A‾)(Bmn-B‾)(ΣmΣn(Amn-A‾)2))(ΣmΣn(Bmn-B‾)2))]]>其中，Amn为与查询图像采集自同一现场的图像集Q中第j幅鞋印花纹图像的频谱特征中的元素，表示频谱特征A的平均值，Bmn为库中k个最近邻图像的频谱特征中的元素，表示频谱特征B的平均值；—构建专家主观意见相似度得分预测模型：yp(ui)=λ1-λ21+exp[-(w(q1,ui)-λ3)/|λ4|]+λ2,ui∈Q∪Nk(Q)]]>对于与查询现场鞋印痕迹图像采集自同一现场的样本图像，及其k个最近邻图像的预测专家意见相似度得分表示为上述关于查询图像与该图像相似度的一个四参数逻辑回归函数；—上述预测模型的参数通过学习得到，构建并使用训练样本库T＝{(x(i),y(i)),i＝1,2,…,M}，利用最小二乘法学习上述预测模型的参数，并求得最优化参数为：[λ^1,λ^2,λ^3,λ^4]=argminλΣi=1M{λ1-λ21+exp[-(x(i)-λ3)/|λ4|]+λ2-y(i)}2]]>训练样本库T中的图像被随机分为LT组，每组中由一个参考图像和其余n(i)幅鞋印痕迹图像组成；令多位刑侦专家对训练样本库T中各组的图像，依据其与该组参考图像的相似程度，分别给出专家意见相似度得分，并对专家意见相似度得分取平均，记为y(i)；计算每组参考图像与该组其余图像的相似度得分x(i)，相似度得分计算公式为：x(i)=ΣmΣn(Amn-A‾)(Bmn-B‾)(ΣmΣn(Amn-A‾)2))(ΣmΣn(Bmn-B‾)2))]]>其中，Amn为训练样本库中第i幅鞋印花纹图像的频谱特征中的元素，表示频谱特征A的平均值，Bmn为训练样本库中该组参考图像的频谱特征中的元素，表示频谱特征B的平均值；—对于与查询现场鞋印痕迹图像采集自同一现场的样本图像，及其k个最近邻图像，利用公式对专家主观意见相似度得分和预测专家意见相似度得分进行融合，其中as和ap表示权重系数，且as+ap＝1；对于图像库中其他图像—构造并求解目标函数，计算各图像样本的排序分数，给出排序结果，完成图像检索；所述的目标函数如下所示：f*=argminfQ(f)=12αΣui∈URi,ifi2+14βΣui∈UΣuj∈UWij(1Ciifi-1Cjjfj)2+12γΣqi∈Q[(fi-y^i)2+Σul∈Nk(qi)(fl-y^l)2]]]>其中f*为最优计算排序得分，ui表示图像库U中的第i幅图像，fi为图像库U中的第i幅图像排序得分；α,β,γ为权重系数，α<β，0<α,β,γ<1，R为系数矩阵，为对角阵，Ri,i表示R中第i行第i列元素；W表示邻接矩阵，其中元素对应的是图像库U中任意两幅样本图像的相似度得分；C是一个对角矩阵，Cii为其对角线上第i个元素，Cii表示第i幅图像与其余图像的相似度的和，qi为与查询图像采集自同一现场的图像集Q中第i幅图像，q1为查询图像，Nk(qi)为qi的k个最近邻图像；为专家意见相似度得分。