基于SURF特征的枪弹痕迹配准策略研究

• 作 者: 周骏
• 出 处: 南京林业大学
• 发表日期: 2019年01期
• 关键词: 枪弹痕迹 痕迹匹配 SURF(Speeded-Up Robust Features) 参数配置 回归支持向量机

狭义的枪弹痕迹是指射击过程中枪械残留在弹头和弹壳上的刮印痕迹,表现为特有的表面微观几何形貌,区别于图像的宏观形状特征,该形貌包含形状与波纹等枪支类特征以及粗糙度等枪支个体信息,可反映枪支机件作用部位的表面结构和纹理特征。这种形貌特征具有独一无二性,可被用来进行特征比对,确认发射枪支。传统的枪弹痕迹鉴别采用人工方法,凭借肉眼观察及经验做出判断,这种方法不仅缺乏客观性,且效率低下,无法完成快速准确的枪弹痕迹识别与鉴定。因此,研发科学有效的弹痕自动识别系统对于整个枪弹痕迹鉴定领域具有重大的意义。本文以枪弹痕迹中弹底窝痕的表面微观几何形貌为研究对象,采用局部不变性特征对其粗糙度等个体信息进行了特征提取,建立了弹底窝痕自动识别匹配算法,实现了科学高效的弹痕识别与配准。本文利用理论分析、实验验证等方法,开展基于特征识别SURF算法的弹痕识别配准策略的研究,其主要内容概括如下:(1)针对弹底窝痕的三维表面微观几何形貌,指出了其提取方法及识别难度,并根据该形貌的特点提出了采用特征识别SURF算法对其进行特征提取与特征描述,通过SURF算法的积分图像与DoH近似等概念,构造尺度空间金字塔,对弹痕形貌的SURF特征点进行了搜寻与定位。针对SURF算法所定位的特征点,利用形貌特征的Haar小波响应分布对其特征点进行描述,确定了特征点的方向以及特征矢量的模值。通过SURF与SIFT算法原理的比较以及具体实验分析,验证了SURF算法综合性能较SIFT算法更为优异的结论。(2)采用基于欧氏距离的最近邻比值法对枪弹痕迹的SURF特征进行初始匹配,并在此基础上,利用相对距离对初始匹配进行筛选与提纯,通过对筛选结果的分析,采用RANSAC算法对匹配与提纯进行了进一步的优化,实现了弹底窝痕样本间的识别与匹配,验证了局部不变性特征对于弹痕表面微观几何形貌描述的科学性与适配性。(3)根据美国国家标准与技术研究院(NIST)提供的弹底窝痕测试样本,对SURF算法特征点检测中参数调整及匹配效果关系进行了分析,通过对实验数据的观察与比对,实现了弹底窝痕样本最佳参数及识别条件的认定,给出了基于SURF算法与RANSAC优化的弹底窝痕配准策略。(4)在实现弹底窝痕样本匹配与提纯的基础上,RANSAC算法存在一定的随机性,尽管提纯后保留的有效匹配对数量不变,提纯结果却不尽相同。为了克服RANSAC算法的随机性,以支持痕迹鉴定的客观性,本文介绍了基于支持向量回归的一致性特征匹配方法,并借助弹底窝痕样本进行了实验测试。通过对实验结果的处理与分析,实现了弹底窝痕形貌的一致性匹配,消除了随机性,完成了弹痕形貌特征的配准优化,验证了基于支持向量回归算法的有效性,也证实了SURF算法应用于枪弹痕迹鉴定的可行性。