可见-近红外多光谱和多种算法模型融合的血迹年龄预测

作者：戎念慈; 黄梅珍^*

来源：光谱学与光谱分析, 2020, 40(01): 168-173.

• 多光谱
• 血迹
• 年龄估计
• 模型融合

精确的血迹的年龄估计在刑侦法医鉴定中有着重要的意义。构建了以8个LED为照明光源、以黑白CCD相机为成像单元的可见-近红外多光谱成像系统,利用以k最近邻算法、支持向量机算法和随机森林算法为基模型的融合模型分析预测血迹年龄,研究了利用可见-近红外反射多光谱精确估计人体血液年龄的可行性,并与前人利用高光谱进行血迹年龄预测的研究结果进行了对照,还检验了血液特异性对模型的影响。实验记录了11个人体血液样本在1～20 d的在400～940 nm之间的8个波长通道的图像,使用标准正态变换校正(SNV)对光谱进行预处理,以消除基线平移和散射作用带来的样本光谱差异。随机选择经过预处理后的7个样本用作训练集以建立模型,剩余的4个样本用作测试集以验证模型,建立了基于k最近邻算法、支持向量机算法和随机森林算法的融合模型,并与k最近邻算法模型,支持向量机算法模型,随机森林算法模型进行比较,结果显示融合模型的实验结果更好。基于该融合模型得到的实验结果为:0～2 d之间预测样本的正确分类率(CCR)为80%,平均误差为0.053 d, 2～20 d之间预测样本的CCR为69%,平均误差为0.442 d,与利用高光谱获得的结果相当甚至更好。为测试该方法的适用性,检验了血液特异性对本模型的影响,实验样本取自8个不同捐献者的20个血迹,将其中4个捐献者的10个样本加入原有模型,另外4个捐献者的10个样本作为测试集以检验血液特异性对模型影响。实验结果为:在0～2 d之间的CCR为75.6%,平均误差为0.063 d, 2～20 d之间预测样本的CCR为65.6%,平均误差为0.467 d。CCR无显著降低,表明该模型对不同来源的血迹样本,仍然有着较好的适应性。与采用高光谱的研究结果相比,多光谱结合模型融合算法同样可以获得较好的血迹年龄估计结果,并具有结构简单,成本低廉,稳定性好的优点,有望成为一种高精度的血迹年龄预测手段,在法医学领域中有重要应用前景。

• 单位
  上海交通大学