基于多波段光源的智能痕跡分色方法

高 毅，于 瀛，楊 絮，項(xiàng)雙喜

（1. 中國(guó)刑事警察學(xué)院 痕跡檢驗(yàn)鑒定技術(shù)公安部重點(diǎn)實(shí)驗(yàn)室，遼寧 沈陽(yáng) 110035；2. 光電信息控制和安全技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津 300308；3. 長(zhǎng)春理工大學(xué) 電子信息工程學(xué)院，吉林 長(zhǎng)春 130022）

引言

證據(jù)作為公安機(jī)關(guān)破案的依據(jù)，應(yīng)充分了解案件，并利用先進(jìn)的技術(shù)提高證據(jù)的可靠性和準(zhǔn)確性，提高案件的偵破率[1]。痕跡檢驗(yàn)是刑事科學(xué)技術(shù)的重要組成部分，指紋作為各類痕跡中的重要證據(jù)之一，對(duì)于案件偵破的重要性毋庸置疑。由于案件現(xiàn)場(chǎng)的復(fù)雜性，不同承痕客體之間形成重疊指印的情況愈發(fā)常見(jiàn)[2]。對(duì)于潛在的復(fù)雜有色背景中的指紋痕跡，選擇何種光源及何種照射位置能最大程度地減少背景反射光進(jìn)入鏡頭，增強(qiáng)指紋痕跡成像的清晰度和圖像效果，提高指紋利用率，成為痕跡檢驗(yàn)研究的重點(diǎn)課題。

物證檢驗(yàn)經(jīng)常會(huì)遇到需要顯現(xiàn)和加強(qiáng)不同遺留條件下的指紋痕跡，如不同色彩光滑客體上的汗?jié)摶蛴蜐撝讣y等，簡(jiǎn)單的拍照記錄很難拍出符合檢驗(yàn)要求的圖像。因此，需要運(yùn)用特殊的拍照方法和技術(shù)[3]，如脫影攝影、分色攝影、掠入射攝影、紅外線攝影、紫外線攝影等，這些技術(shù)具有效果好、易掌握、設(shè)備簡(jiǎn)單等優(yōu)點(diǎn)[4]。其中利用分色攝影技術(shù)和配光方法進(jìn)行物證檢驗(yàn)攝影，可輕松獲得滿意的物證檢驗(yàn)照片，為刑偵部門提供線索和證據(jù)[5]。對(duì)于不同色彩背景中的指紋，單色光源的選取往往依賴于技術(shù)人員的主觀經(jīng)驗(yàn)。但有一部分刑事技術(shù)人員，由于缺少實(shí)踐經(jīng)驗(yàn)，需要多次嘗試才能匹配出最佳的單色光源。對(duì)于深色光滑客體表面的指紋，在光源照射角度上可采用暗視場(chǎng)配光角度進(jìn)行照射，以降低背景內(nèi)反射光線，增大背景與指紋反射光線進(jìn)入鏡頭的亮度反差。對(duì)于一些半光滑、不光滑背景表面具有漫反射特性的指紋痕跡，可采用掠入射配光角度進(jìn)行照射，這樣可使垂直方向上客體表面的定向反射光沒(méi)有分量，從而增大亮度反差。對(duì)于光滑表面的血指紋，在使用定向反射法對(duì)手印進(jìn)行拍照固定時(shí)，需要控制光斑大小，調(diào)節(jié)相機(jī)拍照參數(shù)，以增強(qiáng)手印紋線與客體之間的亮度反差，減弱或消除客體背景顏色對(duì)手印紋線的干擾[6]。

上述研究成果在相應(yīng)條件下可以達(dá)到理想效果，但當(dāng)現(xiàn)場(chǎng)勘查環(huán)境改變時(shí)，可能造成痕跡提取效果不佳，僅使用常規(guī)物證檢驗(yàn)攝影方法難以突出痕跡物證的細(xì)節(jié)特征，拍攝記錄的圖像難以為痕跡物證檢驗(yàn)鑒定提供條件[7]。最突出的是，單色光源和配光位置選擇不能同時(shí)確定，如果只能滿足單方面條件，那么最終的成像效果較差，導(dǎo)致近年來(lái)拍攝的指紋痕跡的圖像處理信息研究很少。鑒于以上問(wèn)題，本文設(shè)計(jì)一款能夠智能找出最佳單色光源和最佳配光角度的痕跡分色攝影系統(tǒng)。

1 多波段光源設(shè)計(jì)

目前，刑事犯罪趨向于高智商化、職業(yè)化和手段多樣化，作為主要勘察手段、以自然光源為主的刑事攝影，己經(jīng)難以滿足偵查破案的需要[8]。多波段光源是多個(gè)波段單色光輸出的小型激光器，色光有長(zhǎng)波紫外、紫光、藍(lán)光、綠光和紫外線[9]，也有基于半導(dǎo)體激光器光源的多波段激光物證搜索儀，利用激光單色性高的優(yōu)點(diǎn)，提高光致熒光檢查的視覺(jué)反差[10]。

利用STM32、TD28A009-07A 混合式步進(jìn)電機(jī)、DEV8825 電機(jī)驅(qū)動(dòng)模塊、LED 燈，設(shè)計(jì)了一款輕巧型多波段光源。采用對(duì)稱型結(jié)構(gòu)降低光照不均勻的影響，縮減結(jié)構(gòu)尺寸，通過(guò)引入電機(jī)驅(qū)動(dòng)和STM32 實(shí)現(xiàn)光源智能移動(dòng)，在保證足夠分辨率的同時(shí)，可增大光源系統(tǒng)的視場(chǎng)角，以獲得更加豐富的目標(biāo)特征，提高了系統(tǒng)的目標(biāo)探測(cè)和識(shí)別能力[11]。光源移動(dòng)控制的升降電機(jī)原理框圖如圖1 所示。另外2 個(gè)混合式步進(jìn)電機(jī)分別作為橫移電機(jī)和旋轉(zhuǎn)電機(jī)，電機(jī)驅(qū)動(dòng)模塊以相同的接法與它們相連。

圖1 光源移動(dòng)控制的升降電機(jī)原理框圖Fig. 1 Schematic block diagram of lifting motor for light source movement control

2 實(shí)驗(yàn)平臺(tái)搭建

基于多波段光源的痕跡分色攝影智能系統(tǒng)實(shí)驗(yàn)平臺(tái)示意圖如圖2 所示。

圖2 實(shí)驗(yàn)平臺(tái)示意圖Fig. 2 Schematic diagram of experimental platform

該系統(tǒng)內(nèi)部可自成一個(gè)暗室環(huán)境進(jìn)行痕跡物證拍攝，亦可取出內(nèi)部系統(tǒng)固定于支架上進(jìn)行多環(huán)境拍攝，系統(tǒng)總體設(shè)計(jì)流程如圖3 所示。

圖3 系統(tǒng)總體設(shè)計(jì)流程圖Fig. 3 Flow chart of overall system design

以樣本為中心區(qū)域，由STM32 控制多波段光源模塊進(jìn)行初次照射，將痕跡背景首張圖像傳到痕跡分析模塊，選出背景色的互補(bǔ)色。在垂直方向上，由升降電機(jī)控制光源從暗視場(chǎng)配光角度到掠入射配光角度移動(dòng)配光，同時(shí)光源移動(dòng)每隔0.02 m拍攝一張痕跡圖像并記錄光源位置信息，可控制電機(jī)轉(zhuǎn)速來(lái)計(jì)算光源的位置信息，直到光源下降到掠入射配光角度停止拍攝。在此期間，光斑覆蓋載物臺(tái)且光斑中心區(qū)域與痕跡手印中心一致。利用痕跡分析模塊，從以上攝影的20 張痕跡圖像里，根據(jù)圖像標(biāo)準(zhǔn)差、信息熵與平均梯度值選出痕跡手印紋理信息最好的一張，得到垂直方向上的最佳配光位置。升降電機(jī)控制光源回到拍攝該張圖像的位置，橫移電機(jī)控制光源在水平方向上重復(fù)上述實(shí)驗(yàn)過(guò)程，得到水平方向上的最佳配光位置，即最終的配光位置。在此位置上，旋轉(zhuǎn)電機(jī)控制光源水平旋轉(zhuǎn)90°再攝影一張痕跡圖像，將拍攝到的2 張痕跡圖像傳至痕跡分析模塊，經(jīng)過(guò)圖像配準(zhǔn)融合，得到最終痕跡物證圖像。計(jì)算并分析最終位置2 張圖像與融合圖像的信息熵H和平均梯度G值，并與傳統(tǒng)配光角度進(jìn)行對(duì)比分析，查看上述實(shí)驗(yàn)系統(tǒng)的性能。

3 圖像處理算法

3.1 補(bǔ)色計(jì)算原理

為了抑制（或加強(qiáng)）背景的反射光線進(jìn)入鏡頭，加強(qiáng)（或抑制）指紋痕跡反射光線進(jìn)入鏡頭成像，以便加大背景和物證痕跡之間的亮度反差，得到暗背景亮條紋（或亮背景暗條紋）的圖像效果，如圖4 所示。

圖4 六角色圖Fig. 4 Diagram of six roles

圖4 中每個(gè)角代表一個(gè)原色或補(bǔ)色，相鄰兩角的色稱為鄰色，某一色的鄰色相鄰的角稱為間色，各角相對(duì)應(yīng)的角稱為補(bǔ)色(用虛線表示)。當(dāng)色光通過(guò)不同顏色的濾色鏡時(shí)，與濾色鏡顏色相同的色光，其吸收率最小，透過(guò)率最大；鄰色光大部分透過(guò)，吸收較??；間色光吸收較大，透過(guò)較少；補(bǔ)色光則呈強(qiáng)吸收，幾乎不透過(guò)。反映在黑白照片上，與濾色鏡顏色相同的色調(diào)呈白色，鄰色光色調(diào)呈淺灰色，間色光色調(diào)呈深灰色，補(bǔ)色光色調(diào)呈黑色。黑白分色照相，就是選擇不同顏色的濾色鏡將不同顏色的色光用照相機(jī)和黑白感光材料，依據(jù)黑、灰、白的階調(diào)記錄呈現(xiàn)出來(lái)。其中互補(bǔ)色反差最大，分色效果最好，間色反差次之，鄰色反差最小，分色效果也最差。根據(jù)上述結(jié)果，在分色照相中若想加強(qiáng)某色的反差，應(yīng)選用該色的補(bǔ)色或間色濾色鏡；若要消除或減弱某色的反差，則可選用該色的同色或鄰色濾色鏡[12]。

選擇光源色光時(shí)可根據(jù)需要采用同色或互補(bǔ)色的單色光源進(jìn)行照射，互補(bǔ)色有多種計(jì)算方法。在提取到背景色后，或用255 分別減去相應(yīng)的R、G、B值，或在色環(huán)圖中兩色之間角度互補(bǔ)時(shí)取兩者為互補(bǔ)色。

3.2 圖像配準(zhǔn)FS-SIFT 算法

對(duì)于不同時(shí)間、不同傳感器和(或)不同視角的同一場(chǎng)景的2 幅(或多幅)圖像，與1 幅圖像相比往往含有更加全面的互補(bǔ)信息，將這些互補(bǔ)信息進(jìn)行整合時(shí)關(guān)鍵一步就是圖像配準(zhǔn)[13]。

由于SIFT 算法是在不同尺度空間上查找關(guān)鍵點(diǎn)，因此需要尺度變換來(lái)獲得不同的尺度空間，高斯卷積核就是可用的唯一線性核[14]。通過(guò)高斯函數(shù)計(jì)算高斯模糊模板，將其與原圖像進(jìn)行卷積運(yùn)算，用來(lái)模糊圖像，從而減少圖像中噪聲的干擾。SIFT 算法通過(guò)歸一化處理特征向量長(zhǎng)度可在一定程度上消除圖像光照變化的影響。特征向量是由每個(gè)關(guān)鍵點(diǎn)鄰域4×4=16 個(gè)種子點(diǎn)來(lái)描述的，每個(gè)種子點(diǎn)有8 個(gè)方向梯度信息，產(chǎn)生128 維特征向量。由于特征向量受鄰域像素的影響，歸一化無(wú)法消除光照變化較大情況下出現(xiàn)的暗光、高光現(xiàn)象，這對(duì)SIFT 提取特征點(diǎn)帶來(lái)很大困擾[15]。

針對(duì)以上問(wèn)題，采用改進(jìn)的SIFT 特征提取算法，如圖5 所示。

圖5 FS-SIFT 算法流程圖Fig. 5 Flow chart of FS-SIFT algorithm

在建立尺度空間前，首先將原圖像在空域上進(jìn)行中值濾波，并轉(zhuǎn)換為頻域圖像，抑制噪聲并消除孤立的亮點(diǎn)或暗點(diǎn)；同時(shí)將原圖像在頻域上進(jìn)行指數(shù)高通濾波處理，降低不均勻光照的影響，并在去除光照成分后的新頻譜中獲得濾波圖像；然后將2 個(gè)濾波圖像相加得到新濾波圖像，再將新濾波圖像經(jīng)過(guò)Top-hat 變換處理，以降低濾波參數(shù)帶來(lái)的影響；最后計(jì)算變換圖像和高斯函數(shù)的卷積，進(jìn)而構(gòu)成同時(shí)具有參數(shù)弱性和光線濾除功能的高斯差分金字塔(FS-DoG 金字塔)。FS-DoG 金字塔的圖像在不受濾波參數(shù)影響下濾除了光照成分，以此替換SIFT 算法中高斯差分金字塔，再進(jìn)行特征點(diǎn)檢測(cè)及特征向量賦值，生成FS-SIFT 描述子。該描述子相較于原SIFT 描述子具有更好的光照不變性，此算法在對(duì)光照不均勻圖像進(jìn)行特征點(diǎn)提取與匹配時(shí)不受參數(shù)影響，且具有更強(qiáng)的魯棒性[16]。

3.3 圖像融合二代Curvelet 算法

融合技術(shù)使多源圖像信息資源的利用率可最大限度地發(fā)揮,多源圖像配準(zhǔn)和融合技術(shù)的理論研究已經(jīng)取得了很多成果，但是可實(shí)用的圖像融合系統(tǒng)目前還處于實(shí)驗(yàn)階段[17]。多源圖像融合從目標(biāo)識(shí)別層或?qū)傩陨弦话惴譃? 個(gè)層次:像素級(jí)圖像融合、特征級(jí)圖像融合和決策級(jí)圖像融合[18]。目前較多的圖像融合算法主要是通過(guò)圖像的能量信息來(lái)完成系數(shù)融合，忽略了圖像的紋理特征，導(dǎo)致融合結(jié)果中存在吉布斯以及塊現(xiàn)象等缺陷[19]。本文采用二代Curvelet 變換圖像融合方案。

二代Curvelet 變換藕合紋理信息調(diào)節(jié)的圖像融合算法過(guò)程如圖6 所示。

圖6 二代Curvelet 融合算法過(guò)程Fig. 6 Process of secondary generation Curvelet fusion algorithm

算法主要分為基于Curvelet 變換的圖像分解和圖像系數(shù)融合兩部分[20]。采用二代Curvelet 對(duì)多聚焦圖像進(jìn)行變換，得到不同的Curvelet 系數(shù)，這些系數(shù)蘊(yùn)含了豐富的原圖內(nèi)容。在低頻系數(shù)融合時(shí)，借助圖像R、G、B值，構(gòu)造紋理信息因子以測(cè)量圖像的紋理度，并采用信息熵模型獲取圖像的信息豐富度，通過(guò)紋理信息因子和信息熵模型計(jì)算融合結(jié)果。在高頻系數(shù)融合時(shí)，通過(guò)計(jì)算平均梯度來(lái)測(cè)量圖像邊緣等信息，以構(gòu)造高頻系數(shù)融合函數(shù)，從而輸出融合結(jié)果[21]。

圖像的不同系數(shù)反映了原圖的不同內(nèi)容，低頻系數(shù)以描述圖像的主體信息和紋理特征為主，信息熵通過(guò)圖像的灰度特征來(lái)反映圖像的信息量。因此，通過(guò)圖像的R、G、B值構(gòu)造了紋理信息因子，將其與圖像的信息熵相結(jié)合，完成低頻系數(shù)的融合，可改善融合圖像的紋理信息量。

3.4 圖像質(zhì)量性能評(píng)價(jià)

3.4.1 信息熵

圖像的信息熵描述了圖像的平均信息量，熵越大，圖像的信息量越大，融合效果越好[22]。選擇圖像的鄰域灰度均值作為灰度分布的空間特征量，與圖像的像素灰度組成特征二元組，記為 (i,j)，即：

式中：Pij為圖像中二元組像素所占比例；i表示像素的灰度值 (0 ≤i≤255)；j表示鄰域灰度均值(0 ≤j≤255)；f(i,j)為 特征二元組 (i,j)出 現(xiàn)的頻數(shù)；N為圖像尺度。（1）式反應(yīng)了某像素位置上灰度值與其周圍像素灰度分布特征。圖像的信息熵H為

3.4.2 平均梯度

平均梯度是一幅圖像的梯度圖上所有點(diǎn)的均值, 指灰度變化率的平均值，表示圖像清晰度。這是由于圖像的邊界或影線兩側(cè)附近灰度有明顯差異導(dǎo)致的，它反映了圖像中的微小細(xì)節(jié)反差和紋理變化特征,即圖像多維方向上密度變化的速率。一般來(lái)說(shuō)，平均梯度越大，圖像層次越豐富，變化就越多，圖像越清晰。平均梯度計(jì)算公式為

3.4.3 標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)差用來(lái)反映像素灰度值的分布狀況，灰度標(biāo)準(zhǔn)差越大，圖像的灰度級(jí)分辨率越高，圖像效果就越好[23]。其計(jì)算公式為

4 實(shí)驗(yàn)結(jié)果與討論

4.1 尋找最佳配光位置

在灰白色瓷磚上制作汗?jié)撌钟?，通過(guò)互補(bǔ)色原理或色環(huán)圖取得痕跡對(duì)應(yīng)的最佳單色光后，電機(jī)驅(qū)動(dòng)模塊控制光源在垂直方向上移動(dòng)配光攝影，如圖7 所示。

圖7 光源垂直方向移動(dòng)痕跡攝影部分圖Fig. 7 Partial images of moving trace photography in vertical direction of light source

從圖7 中選出圖像質(zhì)量最好、信息量和紋理特征最豐富的圖像拍攝位置，保持不變，電機(jī)驅(qū)動(dòng)模塊控制光源在水平方向移動(dòng)，并拍攝客體痕跡，如圖8 所示。

圖8 光源水平方向移動(dòng)痕跡攝影部分圖Fig. 8 Partial images of moving trace photography in horizontal direction of light source

從圖8 中水平方向上選出圖像指標(biāo)值最高的圖像拍攝位置，比較2 個(gè)過(guò)程中圖像標(biāo)準(zhǔn)差值變化，如圖9 所示。從圖9 可看出，在垂直方向上光源的最佳位置靠近暗視場(chǎng)配光角度，但圖中暗視場(chǎng)位置0.1 m 處對(duì)應(yīng)標(biāo)準(zhǔn)差卻很小。在固定光源垂直高度后，光源在水平方向上移動(dòng)，發(fā)現(xiàn)水平方向上有不少位置處SD 大于掠入射配光到暗視場(chǎng)配光之間部分位置上SD，拍攝圖像的質(zhì)量更好。表明靠經(jīng)驗(yàn)僅在暗視場(chǎng)、掠入射位置或其他位置進(jìn)行指紋痕跡攝影，很可能錯(cuò)過(guò)最佳的光源照射位置，從而錯(cuò)過(guò)得到信息量更豐富的痕跡圖像的機(jī)會(huì)，使犯罪人員指紋信息仍然隱匿于客體背景中。

圖9 灰白色亞光瓷磚汗?jié)撌钟z影過(guò)程Fig. 9 Photography process of sweat latent fingerprint of gray-white Matt ceramic tile

在水平方向上，灰白色亞光瓷磚上的汗?jié)撌钟?，其攝影圖像的信息熵與平均梯度如圖10 所示。結(jié)合圖9 可以看出，最佳拍攝指紋痕跡圖像的標(biāo)準(zhǔn)差、信息熵與平均梯度均在0.24 m 配光位置上，即該點(diǎn)處所攝影痕跡圖像的質(zhì)量、平均信息量和細(xì)節(jié)紋理特征都是最高的，故該位置為此特定環(huán)境下的光源最佳配光位置。

圖10 水平方向上圖像指標(biāo)分析Fig. 10 Image index analysis in horizontal direction

4.2 最佳配光位置攝影

為了驗(yàn)證最佳位置處物證攝影圖像質(zhì)量的提升效果，將實(shí)驗(yàn)中最佳位置攝影圖像與傳統(tǒng)配光位置（暗視場(chǎng)、掠入射和定向反射）拍攝圖像進(jìn)行比較分析。

1) 在橙紅色（255,69,0）亞光瓷磚表面上制作好潛在指印，該背景色的互補(bǔ)色為水綠色（0,186,255）。最佳位置與暗視場(chǎng)配光下痕跡圖像對(duì)比結(jié)果如圖11所示，圖像指標(biāo)對(duì)比結(jié)果如表1 所示。

圖11 橙紅色瓷磚表面潛在指印的分色攝影Fig. 11 Color separation photography of potential fingerprints on surface of orange-red ceramic tiles

表1 暗視場(chǎng)與最佳位置痕跡圖像指標(biāo)對(duì)比Table 1 Comparison of indicators of dark field and optimal position trace image

2) 在淺藍(lán)色（0,0,175）亞光瓷磚上制作潛在指印，該背景色的互補(bǔ)色為橙色（255,255,80）。最佳位置與定向反射配光下痕跡圖像對(duì)比結(jié)果如圖12所示，圖像指標(biāo)對(duì)比結(jié)果如表2 所示。

表2 定向反射與最佳位置痕跡圖像指標(biāo)對(duì)比Table 2 Comparison of indicators of directional reflectionand optimal position trace image

圖12 淺藍(lán)色瓷磚表面潛在指印的分色攝影Fig. 12 Color separation photography of potential fingerprints on surface of light blue ceramic tiles

3) 在淺黃色（134, 137,0）背景塑料卡片上制作油潛指印，該背景色的互補(bǔ)色為紫色（121, 128,0）。最佳位置與掠入射配光下痕跡圖像對(duì)比結(jié)果如圖13 所示，圖像指標(biāo)對(duì)比結(jié)果如表3 所示。

圖13 淺黃色卡片表面油潛指印的分色攝影Fig. 13 Color separation photography of oil latent fingerprints on surface of light yellow cards

由表1、表2、表3 可以看出，在最佳位置處，痕跡攝影圖像各項(xiàng)指標(biāo)均明顯大于傳統(tǒng)配光位置，即在幾個(gè)經(jīng)典配光角度所拍攝痕跡物證的圖像信息量有很大提升。

4.3 最佳位置圖像配準(zhǔn)與融合實(shí)驗(yàn)分析

將最佳配光位置處的痕跡攝影圖像與配光位置旋轉(zhuǎn)90°的痕跡攝影圖像，用傳統(tǒng)SIFT 算法和改進(jìn)的FS-SIFT 算法進(jìn)行特征點(diǎn)提取分析，對(duì)比結(jié)果如表4、圖14 和圖15 所示。

表4 最佳位置圖像與最佳位置90°圖像客觀評(píng)價(jià)指標(biāo)Table 4 Objective evaluation indicators of the best position image and the best position 90 ° image

圖14 傳統(tǒng)SIFT 算法特征點(diǎn)提取Fig. 14 Feature point extraction of traditional SIFT algorithm

圖15 改進(jìn)的FS-SIFT 算法特征點(diǎn)提取Fig. 15 Feature point extraction of improved FS-SIFT algorithm

從圖14 和圖15 可以看出，改進(jìn)的FS-SIFT 算法增加了有效特征點(diǎn)的提取數(shù)量，降低了無(wú)用特征點(diǎn)數(shù)量，同時(shí)提升了匹配準(zhǔn)確率，如表5 所示。

表5 傳統(tǒng)SIFT 算法與FS-SIFT 算法特征精準(zhǔn)度和時(shí)間消耗Table 5 Characteristic accuracy and time consumption of traditional SIFT algorithm and FS-SIFT algorithm

提取到痕跡圖像的特征點(diǎn)后，將圖14（b）和圖14（d）（最佳位置特征點(diǎn)提取圖和最佳位置90°特征點(diǎn)提取圖）用傳統(tǒng)SIFT 算法進(jìn)行配準(zhǔn)，將圖15（b）和圖15（d）用FS-SIFT 算法進(jìn)行配準(zhǔn)，結(jié)果如圖16 所示。

圖16 傳統(tǒng)SIFT 算法配準(zhǔn)圖像和改進(jìn)的FS-SIFT 算法配準(zhǔn)圖像Fig. 16 Image registration with traditional SIFT algorithm and image registration with improved FS-SIFT algorithm

將圖16 中經(jīng)傳統(tǒng)SIFT 算法配準(zhǔn)和FS-SIFT算法配準(zhǔn)好的圖像，再通過(guò)二代Curvelet 算法融合，結(jié)果如圖17 所示。

圖17 二代Curvelet 算法融合痕跡圖像對(duì)比Fig. 17 Comparison of fusion trace images of secondary generation Curvelet algorithm

表6 二代Curvelet 算法融合圖像客觀評(píng)價(jià)指標(biāo)Table 6 Objective evaluation indicators of fused image ofsecondary generation Curvelet algorithm

5 結(jié)論

針對(duì)不同背景環(huán)境中物證痕跡，辦案人員可利用本文設(shè)計(jì)的系統(tǒng)解決最佳單色光和配光位置選取困難問(wèn)題，同時(shí)解決了常規(guī)痕跡攝影技術(shù)提取痕跡物證時(shí)不能同步進(jìn)行圖像增強(qiáng)處理的問(wèn)題，所得痕跡圖像含有更豐富的平均信息量和細(xì)節(jié)紋理特征。

針對(duì)該系統(tǒng)，后續(xù)可用PYNQ-Z2 代替便攜電腦進(jìn)行圖像處理以及控制光源變色和移動(dòng)，使整個(gè)系統(tǒng)更輕巧便攜，減少刑事辦案人員的工作量。基于光的直線傳播特性和客體痕跡“圓形”特點(diǎn)，可將本文設(shè)計(jì)的對(duì)稱型光源系統(tǒng)改為間角120°的3 光源系統(tǒng)，盡可能地減少或消除光照不均勻帶來(lái)的部分陰影困擾。