利用色级修正技术去除荧光照相中的背景干扰

引言 在刑事照相的实践工作中，有时需要对一些痕迹物证的背景干扰进行处理，以获得清晰的痕迹特征，这类背景干扰如指纹背景的色块干扰、荧光照相中的背景发光等。背景干扰往往会影响痕迹特征的表现情况，进而影响检验鉴定，因此必须去除。在荧光照相中以前通常采用光学方法来去除背景发光，如光滤波、选用不同的感光材料等。但是，光学方法有时并不能有效地去除荧光照相中背景发光对痕迹特征的干扰，ＰＨＯＴＯＳＨＯＰ作为一款大众化的图象处理软件，在各地公安机关已有了较为普遍的应用，其功能十分强大，在工作中我们发现色级修整功能…     

Photoshop图像软件在痕迹检验中的作用研究

数字图像处理技术,以其快捷、方便等优势,在痕迹检验中起到了重要作用。特别是Photoshop图像软件,在对变形的或模糊的痕迹图像处理方面,显示了无可比拟的优越性,展现了它为痕迹检验鉴定提供清晰、高质量的痕迹图片的功能。     

物证检验中的数字图像处理技术

物证检验中的痕迹物证图像由于成像系统、传输介质、记录设备不完善等原因 ,经常产生图像模糊、失真、有噪声或层次不清晰、反差不大、特征不突出等现象 ,不利于痕迹物证的检验鉴定。本文就物证检验中计算机数字图像处理技术进行阐述。     

用置换法去除人民币上指印的干扰背景

随着数码相机在刑事照相中的日益普及,对于所得图像处理也就越来越多,以前有许多关于介绍去除指印干扰背景方面的文章,它们的方式主要是擦除法和滤镜法;或者在一些图像处理软件中(例如PHOTOSHOP),通过调整图像的反差达到强调痕迹;还有在RGB或HIS模式中,通过通道减运算去除干扰背景,也有一定的效果。本文介绍一种新的方法,它是通过置换去除指印的干扰背景。     

运用数字图像处理技术进行指纹增强

<正>随着光学技术、化工技术、纳米技术等多种学科的快速发展,指纹显现和提取技术取得了较快的发展,在许多案件的破获中发挥着重要作用。但在许多案件现场检材上显现出或提取到的指纹中,仍有不少显现或提取得到的指纹效果较差,不易分辨指纹纹线与客体背景之间的差异或指纹纹线成像模糊等,主要表现为指纹纹线与客体背景的反差较弱、指纹纹线受客体背景的干扰、两枚或多枚指纹相互重叠干扰、弯曲表面客体上的指纹成像问题等,这时可利用数字图像处理技术对不易辨识的指纹进行增强处理,便于后续的指纹识别鉴定。下面就以实际案例,来介绍数字图像处理技术在指纹增强中的应用。     

涉车现场中轮胎痕迹图像的锐化增强技术

以轮胎痕迹图像预处理为目的,针对涉车案件现场的轮胎痕迹图像辨识要求,应用MATLAB工具对轮胎花纹痕迹图像预处理,在图像锐化增强处理中分别应用了梯度锐化、差分锐化和模板锐化,并对其效果进行比较,其中模板锐化突出了轮胎痕迹图像与背景图像的反差对比,痕迹图像边缘清晰,颜色鲜明,轮胎痕迹图像锐化增强技术为图像的边缘检测和特征提取打下了良好的基础。     

数字图像处理在刑事技术工作中的应用

本文通过数字图像处理技术在多起刑事案件中的实际应用案例,介绍了数字图像处理在痕迹检验鉴定中经常遇到的问题和解决方法。并结合目前刑事现场勘查形势和未来发展分析数字图像处理技术的科学性,并对其合法性进行浅析。     

公安视频图像中运动目标识别技术的研究与应用

计算机视觉和数字图像处理技术可广泛应用于公安、工业、医疗保健、航空航天、军事等领域,其中基于公安信息化平台的公安视频图像中运动目标分析也是计算机视觉和数字图像处理技术中应用前景最为广阔的一个方向。OpenCV提供了针对各种形式的图像和视频源文件(如bitmap图像、video文件和实时摄像机)的帧提取函数和很多标准的图像处理算法,这些函数都可以直接用在公安信息化中具体的视频程序开发项目里。利用OpenCV的运动物体跟踪的数据结构、函数以及基本框架,建立了由MFC窗口模块、运动物体的前景检测模块、视频背景检测模块组成的公安视频图像运动目标研究系统,最后将实验结果在公安视频图像的运动目标识别技术中进行应用。     

基于梯度信息的多尺度Retinex图像增强方法及应用

针对传统多尺度Retinex图像增强方法存在的欠缺,提出基于梯度信息的多尺度Retinex图像增强方法.该方法根据图像区域特征,融合梯度信息,自适应地修正权重系数,动态调节不同尺度高斯函数的滤波作用,显著提高了多尺度Retinex方法的功效,并将其应用于退化视频监控图像的增强处理.实验结果表明,改进的方法在提高图像对比度、增强细节特征、降低噪声干扰以及校正色彩偏差等方面具有更好的效果,能够准确地恢复监控图像记录的场景信息.     

基于曲线拟合的线条状工具痕迹自动比对方法研究

线条状工具痕迹是刑事案件现场中常见的痕迹之一,但其利用率却一直较低,主要原因是比对繁琐并具有一定的不确定性。通过若干组实验数据给出一种线条类工具痕迹的自动比对方法:首先将提取的工具痕迹图像经过特征提取,得到工具痕迹模型描述,包括痕迹成痕线条与方向等;进而采用曲线拟合的方式,得到所比对线条的整体曲线形状;最后采用拟合误差、相关性与曲线上关键点的直线模型差,得到量化的相似性结果。该方法是在基于霍夫变换的工具痕迹特征提取的基础上给出的,可以通过对不同图像的工具痕迹特征进行比对,得到准确的、量化的相似性。