文献

J-GLOBAL ID：201702256786218274   整理番号：17A1488134

経験的モード分解を用いた相関に基づく弾丸同定法【Powered by NICT】

A correlation based bullet identification method using empirical mode decomposition

著者 (3件)： Bigdeli Saeed (Faculty of Computer Science and Engineering, Shahid Beheshti University G.C, Tehran, Iran) ,  Danandeh Hamed (Faculty of Computer Science and Engineering, Shahid Beheshti University G.C, Tehran, Iran) ,  Ebrahimi Moghaddam Mohsen (Faculty of Computer Science and Engineering, Shahid Beheshti University G.C, Tehran, Iran)
資料名： Forensic Science International  (Forensic Science International)
巻： 278  ページ： 351-360  発行年： 2017年 
JST資料番号： E0596B  ISSN： 0379-0738  CODEN： FSCIDG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 弾丸表面上のストライエーションは,弾丸はバレルからの方法を強制した時に形成される3Dマイクロ構造である。各バレルは弾丸上の個々のストライエーションパターンを残している。,弾丸のストライエーション情報は火器同定に有用である。共通自動同定法は,相関に基づく線形時不変(LTI)フィルタを用いてこれらの画像を処理する。これらの方法は,非線形ベースラインドリフトへの相関に基づく比較の感度を考慮していない。ストライエーションが旋条プロセスで使用される工具のランダム非モデルベース欠陥によるランダムユニークな微細構造を明白なであり,弾丸画像から抽出される特徴的なプロファイルが統計的に非定常。LTIフィルタの限界のために,平滑化弾丸画像とプロファイルを用いた情報損失を引き起こし,同定の過程に影響する可能性がある。これらの問題を解決するために,本論文では,非線形非定常過程として弾丸画像を考察し,平滑化と特徴抽出のための前処理アルゴリズムとしてアンサンブル経験的モード分解(EEMD)を用いた新しい方法を提案した。EEMDアルゴリズムによって抽出された特徴は,雑音を含むだけでなく,非線形ベースラインドリフトを持っていない。これらの改善は,相関に基づく比較法はよりロバストにかつ効率的に行うのに役立つ。実験は,提案した方法は自動弾丸同定の分野における二つの一般的な方法と比較して優れた結果を達成したことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 特徴抽出 ,  *画像 ,  雑音 ,  平滑化 ,  線形性 ,  アルゴリズム ,  微細構造 ,  三次元 ,  ロバスト性 ,  フィルタ
準シソーラス用語： *モード分解 ,  アンサンブル経験的モード分解 ,  非定常過程 ,  非定常性 ,  *経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (3件)： 自動弾丸同定 ,  交差相関 ,  アンサンブル経験モード分解

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 経験的モード分解 ,  相関 ,  弾丸 ,  同定法