基于超光谱成像和卷积神经网络的印刷或手写文本和邮票的时间差异化
Xiaoquan Lu1, Jianqiang Zhang2, Fan Li2
1College of Science, Kunming University of Science and Technology, Kunming, 650500, China. 11305063@kust.edu.cn.
Analytical methods : advancing methods and applications
|September 11, 2025
概括
这项研究引入了一种使用超光谱成像和卷积神经网络的新型非破坏性方法,用于确定法医文档分析中重叠的邮票和文本的时间顺序,从而实现高精度.
科学领域:
- 法医科学 法医科学 法医科学
- 计算机视觉 计算机视觉
- 频谱学是一种光谱学.
背景情况:
- 确定法医文档中重叠元素的时间顺序至关重要,但在传统方法中具有挑战性.
- 现有的技术往往涉及破坏性分析,或者在区分物质相互作用方面存在主观性和局限性.
研究的目的:
- 开发一种新的,非破坏性的方法,准确地确定重叠的邮票和文本内容的时间顺序.
- 将高光谱成像 (HSI) 与卷积神经网络 (CNN) 集成,以加强法医文档检查.
主要方法:
- 创建了一个多种类型的交叉序列数据集,使用老化的手写印记和打印文本印记序列.
- 从重叠区域收集了超光谱数据 (400-1000 nm),并使用乘法散射校正 (MSC) 进行了预处理.
- 设计了一个双层CNN架构,以提取空间光谱特征以进行四类分类.
主要成果:
- 通过HSI-CNN方法实现了高分类准确率:印刷文本的准确率为97.62%,手写的准确率为96.67%.
- 性能超过了基线模型,如极端学习机器 (ELM) 和长短期记忆 (LSTM).
- 在没有重叠的样本中,实现了100%的准确性,证明了稳定性.
结论:
- 拟议的HSI-CNN方法为法医文档分析中的时间确定提供了一个高度准确和非破坏性的解决方案.
- 这种方法有效地克服了传统显微镜技术的局限性,通过提取歧视性空间特征.
- HSI和CNN的整合在文档审查的法医科学中取得了重大进展.
