线条状痕迹检验识别中的非线性理论与应用研究

摘要

本文首次将分形、小波及支持向量机等非线性理论应用到线条状痕迹检验识别中去，为实现线条状痕迹自动识别和量化检验探索了一条可行的途径，使痕迹检验理论有新的突破，有利于完善和深化痕迹检验理论。具体有： 研究了分形基本理论和分形维数的计算方法，应用分形理论对线条状痕迹表面形貌进行分析研究，其结果表明：线条状痕迹表面形貌具有分形特征，线条状痕迹量化检验与分析识别，分形理论是较理想的工具，分形维数是实现量化检验的最佳参数。在此基础上提出以分形维数为特征参数的线条状痕迹量化检验识别的新方法。 研究了采样间隔和取样长度对分形维数计算的影响问题，研究表明：取样间隔基本上不影响分形维数的计算大小，取样长度在一定范围内变化对分形维数计算影响不大，但是过大或过小的采样长度对分形维数的计算会产生较大差异。因此，在实际应用中，案件现场上的线条痕迹与样本痕迹检验比对时，应明确必须选取相同的部位、相同的长度来分别计算其分形维数，结果才具有检验识别的可比性和可信度。 在深入研究多标度分形理论的基础上，绘制出了三种不同加工花纹刃口的断线钳剪切痕迹轮廓曲线的广义维数谱，提出“上、下突变分形维数”的概念，并将其维数与D0、D0.5、D1及D2维数结合起来量化剪切痕迹表面形貌特征，从而建立了分形维数群的识别规则，用于区分不同加工花纹的断线钳刃口的剪切痕迹，其可靠性更高。首次提出“双谱法”进行剪切线条状痕迹的分类识别，将广义维数谱和奇异谱结合起使用，可更有效、全面、合理地反映其特点，而且可避免分形维数的非唯一性风险，增强鲁棒性，具有较大的实用价值和应用前景。在痕迹检验鉴定中，现场痕迹和样本痕迹总是存在一些差异点，但由于产生差异点的原因复杂多变，人们往往难于透过现象准确把握其本质，以至于可能出现检验的错误而影响鉴定结论的权威性和可靠性。同时，采用传统的形态比对检验方法根本不可能消除现场痕迹和样本痕迹之间的差异点。本文探索应用小波变换理论解除长期困惑检验工作者的这一难题，小波变换技术能从根本上消除差异点的存在。本文将小波及小波包的降噪原理引入到枪弹痕迹检验中的膛线磨损痕迹分析研究中来，对膛线磨损区轮廓曲线进行降噪处理，消除污染的“噪声”，恢复和提取膛线磨损区轮廓曲中的有用信息，再现其本质特征，对非本质性的差异点进行技术处理，得到令人满意的结果。 利用小波包分解重构技术对膛线磨损区轮廓曲线分解与重构，从而将包含在空间信号中不同频段的特征信息进行了分离和提取，提出“特征小波包方法”，建立了用多个“特征小波包”的分形维数作为弹头磨损痕迹的分类规则，以增强量化检验识别率、准确性和可靠性。研究结果表明，小波分解技术以及小波包分解重构技术对于线条状痕迹量化检验和分类识别提供一种新的研究方法，并在将来可能成为枪弹痕迹检验的一种有力的工具。 利用相空间重构技术，将线条状痕迹轮廓曲线作为一维时间序列信号来处理，计算其关联分形维数；基于参数融合思想，将相空间维数与关联维数相融合，建立“分类特征参数”新指标，用来描述三种剪切状态下的痕迹表面特征，区分度增大、增强，效果明显。实验表明，它要比单一地使用其中的一个参数更合理、更有效并能更灵敏地反映痕迹表面形貌的变化情况，必将为复杂的非线性问题的处理提供一个广阔的空间。 应用支持向量机的基本原理和信息融合思想，经对两种不同类型枪支所发射同一型号子弹上磨损线条状痕迹数据提取特征后，用特征小波包维数和磨损痕迹中坡膛痕迹尺度参数作为样本数据的因子分量，建立了较为理想的SVM分类模型，以此SVM分类模型实现了对磨损线条状痕迹的分类识别。研究表明：采用参数融合要比使用单一参数更有利于分类识别，并能提高分类识别率。总之，支持向量机方法将样本低维空间问题转化为在高维空间中予以解决，同时又不产生“维数灾难”这一新颖的思想，打破了高维问题转化为低维问题的传统解题思路。

目录

文摘

英文文摘

论文说明：资肋

第一章绪论

1.1研究背景

1.2线条状痕迹及其检验的基本理论

1.2.1痕迹检验的基本理论

1.2.2线条状痕迹的形成与检验理论

1.2.3线条状痕迹检验的作用

1.3线条状痕迹检验的进展

1.3.1线条状痕迹检验历史沿革与现状

1.3.2线条状痕迹检验面临的技术挑战

1.4与线条状痕迹相关学科的发展及研究现状

1.4.1表面形貌特征识别和评定的发展状况

1.4.2表面接触模型研究的发展状况

1.5线条状痕迹检验技术的发展方向

1.6课题研究的意义

1.7论文研究的主要内容

第二章分形方法及线条状痕迹的分形表征

2.1分形基本理论

2.1.1引言

2.1.2分形

2.1.3分形维数

2.2表面形貌轮廓曲线模拟与分形维数计算比较

2.2.1表面形貌的分形模型

2.2.2模拟曲线生成及分形维数计算比较

2.3线条状痕迹表面形貌的分形方法研究

2.3.1线条状痕迹的分形研究的可行性

2.3.2线条状痕迹的形成

2.4线条状痕迹样本的采集

2.4.1线条状痕迹样本的制作

2.4.2线条状痕迹的数据采集

2.5线条状痕迹轮廓曲线的分形表征

2.6本章总结

第三章多标度分形方法在剪切线条痕迹检验中的应用

3.1多标度分形基本概念

3.2广义分形维数计算方法

3.3多标度分形方法在线条状痕迹表面形貌研究中的应用

3.3.1工具三种刃侧表面形貌特征的差异

3.3.2三种不同加工花纹刃口留痕表面轮廓曲线分形维数计算

3.4基于奇异谱剪切痕迹表面形貌特征研究

3.4.1奇异谱理论

3.4.2剪切表面形貌的奇异谱特征研究

3.5本章总结

第四章小波理论在磨损线条状痕迹检验中的应用研究

4.1小波理论发展及应用概述

4.2小波理论

4.2.1积分连续小波变换

4.2.2离散小波和离散小波变换

4.2.3正交小波的快速算 -- Mallat算法

4.3小波滤波和消噪方法及在线条痕迹分析检验中的应用

4.3.1小波变换的消噪和滤波方法

4.3.2小波消噪方法在线条痕迹检验中的应用

4.4小波包及其在线条痕迹检验识别中的应用研究

4.4.1小波包

4.4.2小波包的空间分解与重构算法

4.4.3基于小波包方法的线条状痕迹检验识别方法的研究

4.5本章总结

第五章G-P算法和相空间重构技术在剪切线条状痕迹检验中的应用

5.1研究背景

5.2相空间重构和Takens定理

5.2.1 Takens定理

5.2.2相空间重构

5.3关联维数和G-P算法

5.3.1关联维数定义

5.3.2关联维数的G-P算法

5.4剪条痕迹轮廓曲线的关联维数计算

5.5本章总结

第六章支持向量机方法在磨损线条状痕迹检验中的应用

6.1支持向量机理论概述

6.1.1支持向量机方法的基本理论

6.1.2支持向量机方法特点及应用

6.2支持向量机的模式识别

6.2.1线性支持向量机的模式识别

6.2.2非线性支持向量机的模式识别

6.3 SVM方法在磨损线条痕迹检验识别中的应用研究

6.3.1样本数据的提取及融合

6.3.2建模方式

6.3.3 SVM模型训练与试验

6.4本章总结

第七章结论与展望

7.1结论

7.2展望

参考文献

致谢

作者简介

攻读博士学位期间发表的论文及科研成果