陆金江

(1合肥工业大学,安徽 合肥 230009;2.安徽财贸职业学院,安徽 合肥230601)

0 引 言

在图像的传输和形成过程中,受到随机噪声以及成像扰动因素的影响,导致出现图像像素差、模糊等现象,在刑侦过程中对此类字迹图像识别存在识别效果差、耗时等现象,需要构建优化的模糊字迹图像修复模型,根据图像退化因素分析,结合图像的规则性特征分布,实现模糊字迹图像的识别,提高模糊字迹图像的检测识别能力[1]。

对模糊字迹图像的识别是建立在对图像信号的特征分析和信息增强处理基础上,构建模糊字迹图像检测的联合特征分析模型,通过统计分析和特征自适应训练方法,进行模糊字迹图像的检测和特征融合[2]。当前,对模糊字迹图像识别方法主要有基于小波分析的模糊字迹图像识别方法以及基于匹配滤波检测的模糊字迹图像识别方法等,构建模糊字迹图像的退化特征检测模型,根据对模糊字迹图像的尺度分解和退化信息的量化检测分析结果,实现对模糊字迹图像的修复和增强处理,提高模糊字迹图像的识别能力[3]。但以上传统方法进行模糊字迹图像识别的辨识度水平不高,检测识别能力不强。对此,提出基于深度卷积神经网络的模糊字迹图像识别方法,并进行实验验证分析。

1 模糊字迹图像退化模型和稀疏特征分析

1.1 模糊字迹图像退化模型

为了实现基于深度卷积神经网络的模糊字迹图像识别方法,通过构建……