角膜圖像特征在死亡時間估計上的應用.pdf

1、角膜混濁是一項重要的死后變化征象，常用來輔助推斷死亡時間。但是由于混濁度無法量化，導致死亡時間估計的準確度不高。針對這一問題，在該領域引入圖像分析技術，通過對角膜圖像的分析，用圖像中能夠反映角膜混濁度變化的特征量對混濁度量化，從而以客觀的量化指標來推斷死亡時間，提高推斷的準確性和精確度。
　　 由于角膜混濁在圖像上表現(xiàn)為顏色以及紋理結(jié)構(gòu)的變化，故選擇顏色和紋理特征來量化角膜混濁程度，具體包括角膜與非角膜區(qū)域平均灰度差，基于HIS

2、（Hue,Saturation，Intensity，色調(diào)、飽和度和亮度）空間S 通道的顏色三階矩，基于傅立葉頻譜的高低頻能量比，和基于灰度共生矩陣的特征參數(shù)能量、慣量、熵、相關性這九個特征。
　　 通過觀察，所提取的特征量同死亡時間之間不是線性關系，無法通過時間依賴曲線推算出死亡時間，因此采用機器學習的技術對死亡時間進行估計。將已知樣本在死亡時間段上按照時間推算精度的要求進行劃分，利用k近鄰算法在訓練集上學習分類模型，并利用該模

3、型對未知樣本進行分類，從而估計死亡時間。
　　 對于以先驗經(jīng)驗獲取的九個特征量，需要對它們衡量角膜混濁度的能力進行估計，以此為依據(jù)提取具有最優(yōu)死亡時間估計能力的特征集合，剔掉冗余特征量來實現(xiàn)算法的優(yōu)化。同時，角膜圖像隨著死亡時間的增加會發(fā)生階躍變化；因此，需要在不同階段選取具有針對性的特征集合來描述混濁度。以該觀察結(jié)果為依據(jù)，在估計未知樣本時，預先在較低時間精度下進行粗略估計；在此基礎上，針對不同階段采用相應的特征集合進行進一步