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，如何對積累的大量鞋印圖像自動歸類管理是刑事技術(shù)迫切需要解決的問題之一。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θ我庑螤畹臄?shù)據(jù)集聚類。因此本文在分析鞋印圖像特點的基礎(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DBSCAN算法改進，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開始聚類，聚類時增大類別擴張的條件。同時根據(jù)數(shù)據(jù)點與其鄰近點的關(guān)系以及鞋印庫自身的特點，自動確定MDBSCAN算法的輸入?yún)?shù)。
　　在兩類公開測試數(shù)據(jù)集和實際鞋印庫上的實驗表明，本文算法的性能超過典型比較算法。
　　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)點與其鄰近數(shù)據(jù)點之間的關(guān)系，自動確定DBSCAN算法的輸入?yún)?shù);利用DBSCAN聚類的過程中，增大擴張類別的條件。
　　HDBCAN算法在包含16938幅鞋印圖像的實際鞋印庫上做實驗，純度達到90％以上，同時本文算法在兩類公開測試數(shù)據(jù)集上進行驗證實驗，純度達到95％以上。
　　3)提出了基于最密集點的鞋印圖像聚類算法
　　當(dāng)

4、數(shù)據(jù)點到兩類核心對象點的距離都小于鄰域可達半徑時，MDBSCAN與HDBSCAN算法沒有判斷這些點與兩類核心對象點的關(guān)系，這些點所屬類別由聚類順序決定，導(dǎo)致這些點可能被分錯。因此本文根據(jù)鞋印庫的特點，提出了基于最密集點的鞋印圖像聚類算法。該算法首先找到每類的密集點，然后基于每類密集點分兩步對鞋印庫聚類。
　　算法在包含16938幅鞋印圖像的鞋印庫上做實驗，聚類結(jié)果的純度達到90.71％，同時本文算法在兩類公開測試數(shù)據(jù)集上進行驗證實