基于密度的鞋印圖像聚類算法研究.pdf

1、鞋印是偵破案件的重要線索，如何對(duì)積累的大量鞋印圖像自動(dòng)歸類管理是刑事技術(shù)迫切需要解決的問(wèn)題之一。鞋印圖像質(zhì)量參差不齊，且各類形狀不一?；诿芏鹊木垲愃惴梢詫?duì)任意形狀的數(shù)據(jù)集聚類。因此本文在分析鞋印圖像特點(diǎn)的基礎(chǔ)上，提出了基于密度的鞋印圖像聚類算法。本文主要工作如下:
　　1)提出了基于DBSCAN的自適應(yīng)參數(shù)鞋印圖像聚類算法
　　本文根據(jù)鞋印圖像的特性，對(duì)DBSCAN算法改進(jìn)，提出了基于DBSCAN的自適應(yīng)參數(shù)鞋印圖像聚類

2、算法-MDBSCAN算法。MDBSCAN算法選擇從每類最密集點(diǎn)開(kāi)始聚類，聚類時(shí)增大類別擴(kuò)張的條件。同時(shí)根據(jù)數(shù)據(jù)點(diǎn)與其鄰近點(diǎn)的關(guān)系以及鞋印庫(kù)自身的特點(diǎn)，自動(dòng)確定MDBSCAN算法的輸入?yún)?shù)。
　　在兩類公開(kāi)測(cè)試數(shù)據(jù)集和實(shí)際鞋印庫(kù)上的實(shí)驗(yàn)表明，本文算法的性能超過(guò)典型比較算法。
　　2)提出了基于DBSCAN的層次鞋印圖像聚類算法
　　MDBSCAN算法不適用于局部密度差異很大的數(shù)據(jù)集。因此本文提出了基于DBSCAN的層次鞋

3、印圖像聚類算法-HDBSCAN算法。該算法采用層次結(jié)構(gòu)的DBSCAN聚類。在每層聚類中，根據(jù)數(shù)據(jù)點(diǎn)與其鄰近數(shù)據(jù)點(diǎn)之間的關(guān)系，自動(dòng)確定DBSCAN算法的輸入?yún)?shù);利用DBSCAN聚類的過(guò)程中，增大擴(kuò)張類別的條件。
　　HDBCAN算法在包含16938幅鞋印圖像的實(shí)際鞋印庫(kù)上做實(shí)驗(yàn)，純度達(dá)到90％以上，同時(shí)本文算法在兩類公開(kāi)測(cè)試數(shù)據(jù)集上進(jìn)行驗(yàn)證實(shí)驗(yàn)，純度達(dá)到95％以上。
　　3)提出了基于最密集點(diǎn)的鞋印圖像聚類算法
　　當(dāng)

4、數(shù)據(jù)點(diǎn)到兩類核心對(duì)象點(diǎn)的距離都小于鄰域可達(dá)半徑時(shí)，MDBSCAN與HDBSCAN算法沒(méi)有判斷這些點(diǎn)與兩類核心對(duì)象點(diǎn)的關(guān)系，這些點(diǎn)所屬類別由聚類順序決定，導(dǎo)致這些點(diǎn)可能被分錯(cuò)。因此本文根據(jù)鞋印庫(kù)的特點(diǎn)，提出了基于最密集點(diǎn)的鞋印圖像聚類算法。該算法首先找到每類的密集點(diǎn)，然后基于每類密集點(diǎn)分兩步對(duì)鞋印庫(kù)聚類。
　　算法在包含16938幅鞋印圖像的鞋印庫(kù)上做實(shí)驗(yàn)，聚類結(jié)果的純度達(dá)到90.71％，同時(shí)本文算法在兩類公開(kāi)測(cè)試數(shù)據(jù)集上進(jìn)行驗(yàn)證實(shí)