多类型滤波器协同的刑侦现勘图像特征提取方法研究

The crime scene investigation (CSI) images have large difference in image quality and are rich in variety. In such environment, it would cause the problems of low accuracy in feature localization, hard choice for scale and high missing rate for image detail when the single filter is used for the feature extraction of CSI image. In fact, different types of filters have their own advantages but complementary information in feature description. Thus, this project studies the feature extraction method of crime scene investigation image by collaborating with multiple types of filters. The detailed researches include the following three aspects, (1) The filter level collaboration and feature space level collaboration techniques are studied for the effective and robust edge and interest point extraction in CSI. (2) For the color CSI images, we focus on the research of the color visual distance preserving vector ordering technique and optimal multiple components fusion technique under color change maximization. The solution of these two techniques helps the feature extraction method by collaborating with multiple types of filters for color CSI image. (3) For the exclusive multi-sensor images and texture-like images in CSI images, the statistical learning theory and Bayesian estimation method are used for the accurate modeling and effective extraction of exclusive feature in images. In conclusion, this project will provide important theory and technique support for establishing the national CSI system with high performance in the future.

刑侦现场勘验图像具有图像质量差异大且多种类图像混合的特点，使得单一类型滤波器在低级视觉特征提取时存在特征定位准确度低、尺度难以估计、细节信息容易丢失的问题。不同类型滤波器在特征描述上具有各自优势并且信息互补，为此，本课题研究多类型滤波器协同的刑侦现勘图像低级视觉特征提取方法。具体从以下方面进行研究：(1)研究基于滤波器级协同和基于特征空间级协同技术，实现高效鲁棒的边缘和兴趣点特征提取方法; (2)针对彩色现勘图像，研究彩色视觉保持的向量排序方法和彩色变化最大化准则下最优分量融合方法，解决面向彩色现勘图像的多类型滤波器协同技术研究中的技术难点; (3)针对现勘图像中特有的多源图像和纹理类图像，分别利用统计学习理论和Bayesian估计方法实现对专有特征的精确建模和高效提取。课题的研究对未来构建全国高性能刑侦现勘系统提供了重要的理论和技术支撑。

刑侦现场勘验图像具有图像质量差异大且种类多的特点，使得单一类型滤波器在特征提取时存在特征定位准确度低、尺度难以估计、细节信息容易丢失的问题。不同类型滤波器在特征描述上具有各自优势且信息互补，为此，本课题研究多类型滤波器协同的刑侦现勘图像特征提取方法。主要研究内容：（1）研究多类型滤波器协同的图像特征增强和提取技术，具体提出了一种基于各向异性高斯边窗核的引导滤波方法、一种基于非线性滤波器和各向异性方向导数滤波器结合的角点特征检测算法和一种自适应多尺度各向异性高斯方向导数的彩色边缘检测技术。进而，针对现勘图像提取多类型特征，(2)研究融合多类型特征的图像高级应用技术，具体提出了一种融合局部聚合描述符和全局特征的现勘图像分类算法、一种利用深度学习特征的改进局部约束线性编码的现勘图像分类算法、一种基于多尺度Gabor滤波核与深度卷积网络融合的现勘轮胎花纹特征提取技术及图像分类算法、一种融合边缘特征与门卷积的现勘监控图像中遮挡人脸修复算法、一种结构森林边缘特征优化的人脸修复技术。重要结果：(1)研究了各向异性边窗参数与边缘分辨率之间的关系，验证了提出的边窗核性能最优；(2)研究了形态学非线性滤波与各向异性窗融合技术，并利用直方图分层技术加速了算法实现；(3)研究了图像中不同类型边缘特征与局部强度变换的定量关系，验证了其有效性；(4)研究了面向现勘图像和现勘轮胎图像分类应用时，局部特征、全局特征和深度卷积特征的融合中视觉字典大小、临近描述子个数和编码长度等最优选择问题，并通过实验给出经验参数；(5)面向现勘视频遮挡人脸修复中，研究遮挡边缘检测阈值对最终修复质量的影响，并给出经验的边缘检测阈值。关键数据：在本项目执行期间，项目组成员共发表学术论文7篇，录用待发表1篇，申请发明专利2项（其中授权1项），软件著作权1项，获批成果转化项目1项。指导研究生11名。研究成果在现勘图像处理、分析和管理以及视频侦查中具有一定应用价值。