多光谱技术是一种快速无损的分析检测技术,多光谱图像既包含了被测物的空间位置信息,同时包含了被测物的辐射和吸收信息。本文基于多光谱技术在刑侦物证分析领域的应用现状与需求,构建了一种以LED为主动照明光源的低成本多光谱成像系统,研究了该系统在血迹年龄估计、血迹探测和指纹分割等物证分析领域中的应用及其技术问题。本文构建了以8种波长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;设计了基于Windows平台以C#语言编写的多光谱软件,包括光源控制及图像采集两个功能模块,实现了自动切换照明光源和拍摄采集图像功能。研究了利用上述多光谱系统精确估计人体血液年龄的可行性,并与利用高光谱技术进行血液年龄预测的研究结果进行对比。研究了不同算法模型的预测效果,分别采用k最近邻算法,支持向量机算法,随机森林算法以及这三种模型的融合算法进行建模分析和对照,融合模型的结果最好,并且对于不同来源的血迹样本具有较好的适用性和较高的预测准确性,在0~2d内的平均误差为0.057d,正确分类率(Correct classification rate,CCR)达到75.6%,在3~20d的平均误差为0.467d,CCR达到65.6%。与利用高光谱技术进行血迹年龄预测的研究结果相当。提出了一种利用上述多光谱系统对复杂背景上血迹进行无损高效检测的方法。研究了白纸上的血迹与非血迹检测,有色基底上的血迹检测以及沾染污渍的深色衣服上的血迹的高精度检测方法。通过组合选取血液特征吸收波长与背景特征吸收波长的方法,提高了有色背景上的血迹的识别率。采用灰度拓展代替增加曝光时间的方法进行图像亮度增强以降低图像噪声,采用假彩色合成代替传统的波段融合作为图像增强手段,结合使用支持向量机算法进行建模,提高了复杂背景上血迹识别的准确率。通过布尔逻辑对血迹进行归类代替传统的以图像增强显示血迹的方法,使血迹更容易被识别。实验结果表明,上述方法识别准确率高,血迹识别图像辨识度好,深红色衣物上血迹的识别正确率达到97%。研究了利用上述多光谱系统进行指纹图像分割的方法。提出了对指纹图像依次进行初分割,形态学校正,基于支持向量机算法的二次分割,形态学校正的指纹图像分割方法。以人工标记指纹样本多光谱图像的前景块和背景块作为分割错误率的评价标准,通过比较和验证发现,与常规方法比较,本文提出的指纹图像分割方法尤其对背景复杂的指纹样本具有更低的错误率,仅为3.32%。