Аннотация.

В работе исследуется эффективность применения метода корреляционных ячеек для оценки схожести цифровых изображений следов патронного упора. Актуальность работы определяется необходимостью повышения качества проведения проверок по цифровым изображениям следов на стреляных гильзах при расследовании преступлений, связанных с применением огнестрельного оружия. Целью работы является разработка эффективного метода оценки схожести изображений следов патронного упора, отобразившихся на поверхности капсюлей на стреляных гильзах. Показано, что разбиение исследуемых изображений на ячейки совместно с удалением малоинформативных областей, позволяет повысить чувствительность корреляционного метода и получить дополнительную информацию о пространственной связанности признаков сравниваемых изображений. На основе рассчитанных коэффициентов правдоподобия сформулированы критерии отнесения следов к категории «совпадающие» или «несовпадающие». Данный метод предназначен для выявления следов патронного упора с одним и тем же узором в массиве цифровых изображений донных частей гильз.

Ключевые слова:

коэффициент корреляции, функция взаимной корреляции, обработка цифровых изображений, корреляционные ячейки, следы патронного упора, кластер, коэффициент правдоподобия.

Стр. 3-15.

DOI 10.14357/20718632190301

Полная версия статьи в формате pdf. 

Литература

1. Song J. 2013. Proposed “NIST Ballistics Identification System (NBIS)” Based on 3D Topographic Measurements on Correlation Cells. AFTE Journal. 45(2):184-194.
2. Song J. 2015. Proposed “Congruent Matching Cells (CMC)” Method for Ballistic Identification and Error Rate Estimation. AFTE Journal. 47(3):177-185.
3. Nichols R. 2018. Firearm and toolmark identification: the scientific reliability of the forensic science discipline. London: Academic Press. 170 p.
4. Федоренко В. А., Гвоздков С. Н., Грабовец Е. Е. Влияние неоднородностей поверхности капсюлей на вариативность статических следов бойков // Изв. Сарат. ун-та. Нов. сер. Сер. Экономика. Управление. Право. 2018. Т. 18, вып. 2. С. 202–207.
5. Song J., Vorburger T. V., Chua W., Yenb J., Soonsa J. A. 2018. Estimating error rates for firearm evidence identifications in forensic science. Forensic Science International. 284:15-32.
6. Кокин А. В., Ярмак К. В. Судебная баллистика и судебно-баллистическая экспертиза : учебник. М. : Юнити-Дана, 2015. 351 с.
7. Области применения технологии «ПОИСК» и задачи баллистической экспертизы, решаемые с помощью данной технологии [Электронный ресурс] // SBC : [сайт]. [2013]. URL: http://www.sbc-spb.com (дата обращения: 01.07.2019).
8. BRASSTRAX. The fastest, most accurate way to acquire cartridge case evidence. Available at: https://www.ultraforensictechnology.com/en/our-products/ballisticidentification/brasstrax.htm (accessed July 1, 2019).
9. Федоренко В. А., Корнилов М. В. Оценка схожести следов бойков огнестрельного оружия по их цифровым изображениям // Информационные технологии и вычислительные системы. 2015. № 3. С. 16-24.
10. Gonzalez R. C., Woods R. E., Eddins S. L. 2009. Digital Image Processing Using MATLAB. London: Gatesmark Publishing. 827 p.
11. Zalewski E. N. 2015. Mathematics in Forensic Firearm Examination. Syracuse: Syracuse University SURFACE. 72 p.
12. Aitken C. G. G., Taroni F. Statistics and the Evaluation of Evidence for Forensic Scientists. 2004. New York: Wiley. 540 p.