基于SVM的黑色墨迹鉴别研究

高光谱成像相对于多光谱成像而言,图谱和图像更丰富、清晰,在可见光的波段范围内实时采集的光谱分辨率较高、通道数量也较多。基于高光谱成像技术的优点,推测该技术结合机器学习,可能达到快速、无损鉴别黑色签字笔目标的新方法。通过采集15支不同品牌型号的黑色签字笔的高光谱图像,对每支签字笔黑色墨迹位置的谱图选取120个随机点,生成光谱图及反射率数据,测试SVM模型、PLS-DA(偏最小而成回归分析)模型和随机森林模型对黑色签字笔种类的分类准确程度。实验结果表明:三个模型的分类结果均较好,且模型集成对于提升模型对于未知黑色签字笔墨迹数据的分类效果极佳。这一发现对于未来公安一线工作启发巨大。