現場鞋底痕跡花紋圖像檢索方法
【技術領域】
[0001] 本發(fā)明涉及圖像處理與識別、計算機視覺、機器學習和公共安全等領域，具體涉及 一種現場鞋底痕跡花紋圖像檢索方法。
【背景技術】
[0002] 目前，國內外的鞋底花紋檢索主要分為三類：基于標注、基于花紋和基于特征的檢 索方法。
[0003] 近來，用傅里葉變換來對完整或局部的優(yōu)劣程度不同的鞋底痕跡花紋進行分 類，傅里葉變換可以解決圖像的縮放和旋轉問題，并且對頻域信息編碼。2005年Philip deChazal等提出一種基于傅立葉變換的鞋底花紋自動檢索系統，具體方法為：對鞋底痕跡 圖片進行傅立葉變換，并計算其功率譜密度作為特征進行匹配。在沒考慮噪聲的情況下，匹 配的正確率為85%左右，也證明了這種方法具有平移、旋轉不變性。
[0004] 此外，在現有技術中，還有一種基于輪廓的鞋底花紋自動檢索系統。該系統利用圖 案的邊緣信息來進行分類，在對圖像進行平滑去噪后，把邊緣方向以5度為間隔分為72份， 對每個圖案生成一個邊緣方向的直方圖，然后進行離散的傅里葉變換保證了縮放、旋轉的 不變性。但此文沒有給出對缺損圖像檢索的性能指標，而向用戶提供一個最匹配的鞋底痕 跡花紋排序表。據報道，該系統的精確率為85. 4%。
[0005] 此外，現有技術中還提出一種基于鞋底痕跡直方圖特征和紋理特征檢索鞋底痕跡 花紋的方法。該方法利用灰度共生矩陣和灰度直方圖提取鞋印的紋理和直方圖特征。由于 承受客體不同、光線等因素的影響，會出現同樣的人穿同樣的鞋踩出的兩只鞋印的紋理和 直方圖特征不同。將Hu不變矩應用于鞋底痕跡花紋識別中，將旋轉不變性測試的取值范圍 設在-90°到+90°，匹配率能達到99. 4%。
[0006] 此外，為了避免前人所用的邊緣檢測方法的缺點，提高查全率，直接采用鞋底痕跡 的灰度圖像或者經過邊緣檢測后的灰度圖像進行識別；然后計算圖像的PSD，最后求相關 系數。為了比較不同方法對鞋底痕跡花紋識別效果的影響，該文采用三種方法：方法一、計 算圖像的灰度值；方法二、利用Laplacian邊緣檢測方法；方法三、利用Canny邊緣檢測方 法。實驗結果表明方法一更適合含有較大噪聲的鞋底痕跡圖像，因為在這種情況下求圖像 的灰度值，是為了避免由噪聲引起的假邊界提取。方法二和方法三適合圖像中噪聲較少的 情況，這樣得到的鞋底痕跡識別效果較好。
[0007] 雖然，在現有技術中已經有鞋底花紋的全自動檢索系統，但是，這些系統都是對人 工合成的清晰完整的鞋底痕跡圖像進行檢索，而在實際應用中，需要進行檢索的鞋底痕跡 圖像多為現場采集的鞋底痕跡圖像，并且，很多時候，現場采集的鞋底痕跡圖像質量較低， 不完整、或者不清晰，所以，上面所提到的鞋底痕跡檢索方法在實際應用中有很多限制。

【發(fā)明內容】

[0008] 本發(fā)明目的在于克服現有技術的不足，解決犯罪現場遇到的幾何畸變、光照不均、 殘缺等強干擾情況下的鞋印識別問題，可使輸入的鞋印圖像對現存的現場鞋印庫或鞋廠樣 本圖像庫進行自動匹配，按照相似度對樣本圖像庫中的所有鞋印進行排序，來幫助偵查破 案。
[0009] 為了實現本發(fā)明的目的，特采用以下技術方案：
[0010] 根據本發(fā)明的一個方面，提供了一種現場鞋底痕跡花紋圖像檢索方法，該檢索方 法包括：
[0011] 將現場采集到的鞋底痕跡花紋圖像進行處理，得到二值圖，提取二值圖的頻譜特 征；
[0012] 獲取樣本圖像庫中所有預先存儲的鞋底痕跡花紋圖像的二值圖的頻譜特征；
[0013] 計算現場采集到的鞋底痕跡花紋圖像的二值圖的頻譜特征與樣本圖像庫中每一 個預先存儲的鞋底痕跡花紋圖像的二值圖的頻譜特征的相似性得分；
[0014] 將相似性得分以預定規(guī)則進行排序并按照該排序方式輸出樣本圖像庫中預先存 儲的鞋底痕跡花紋圖像。
[0015] 此外，該方法進一步包括：
[0016] 以預定方式，將鞋底痕跡花紋圖像的二值圖分為腳掌部分和腳跟部分，并分別提 取腳掌部分和腳跟部分的頻譜特征；
[0017] 優(yōu)選地，腳掌部分占整個鞋底痕跡花紋圖像堅直方向的60%，腳跟部分占整個鞋底 痕跡花紋圖像堅直方向的40% ;
[0018] 優(yōu)選地，在對現場采集到的鞋底痕跡花紋圖像進行二值化之前，將其分辨率規(guī)范 化到特定dpi;
[0019] 優(yōu)選地，特定dpi小于150dpi。
[0020] 進一步地，提取二值圖的頻譜特征包括：
[0021] 步驟（a)獲取現場采集到的鞋底痕跡花紋圖像的二值圖；
[0022] 步驟（b)對圖像的二值圖進行傅里葉變換，取其幅值，得到圖像的二值圖的頻譜；
[0023] 步驟（c)構建濾波器，對頻譜進行特征選擇濾波；
[0024] 步驟（d)對濾波后的頻譜進行極坐標變換；
[0025] 步驟（e)再次構建濾波器，對極坐標變換后的頻譜進行特征選擇濾波，得到圖像的 二值圖的頻譜特征。
[0026] 進一步地，獲取樣本圖像庫中所有預先存儲的鞋底痕跡花紋圖像的二值圖的頻譜 特征包括：
[0027] 步驟（a)獲取樣本圖像庫中預先存儲的鞋底痕跡花紋圖像的二值圖；
[0028] 步驟（b)對圖像的二值圖進行傅里葉變換，取其幅值，得到圖像的二值圖的頻譜；
[0029] 步驟（c)構建濾波器，對頻譜進行特征選擇濾波；
[0030] 步驟（d)對濾波后的頻譜進行極坐標變換；
[0031 ] 步驟（e)再次構建濾波器，對極坐標變換后的頻譜進行特征選擇濾波，得到圖像的 二值圖的頻譜特征；
[0032] 步驟（f)存儲頻譜特征。
[0033] 進一步地，計算現場采集到的鞋底痕跡花紋圖像的二值圖的頻譜特征與樣本圖像 庫中每一個預先存儲的鞋底痕跡花紋圖像的二值圖的頻譜特征的相似性得分包括：
[0034] 步驟（a)分別計算圖像的腳掌部分的占空比、腳跟部分的占空比，其中，腳掌部分 的占空比為腳掌部分鞋底痕跡花紋的面積與鞋底痕跡花紋圖像的二值圖的腳掌部分的比 值，腳跟部分的占空比為腳跟部分鞋底痕跡花紋的面積與鞋底痕跡花紋圖像的二值圖腳跟 部分的比值；
[0035] 步驟（b)根據腳掌部分的占空比、以及腳跟部分的占空比分別計算腳掌部分的加 權系數wt、和腳跟部分的加權系數wb;
[0036] 步驟（c)根據腳掌部分的占空比、以及腳跟部分的占空比分別計算現場采集到的 鞋底痕跡花紋圖像與預先存儲于樣本圖像庫中的鞋底痕跡花紋圖像的頻譜特征的相關系 數，其中腳掌部分的相關系數用Rt表示、腳跟部分的相關系數用Rb表示；
[0037] 步驟（d)用腳掌部分的相關系數Rt和腳跟部分的相關系數Rb的加權和作為現場 采集到的鞋底痕跡花紋圖像與樣本圖像庫中的鞋底痕跡花紋圖像的相似性得分R，計算方 式包括：R=wt*Rt+wb*Rb。
[0038] 進一步地，步驟（b)中，腳掌部分的加權系數wt、和腳跟部分的加權系數wb的計 算方法包括：設現場采集到的鞋底痕跡花紋圖像的腳掌部分的占空比用At表示、腳跟部 分的占空比用Ab表示，預先存儲于樣本圖像庫中的鞋底痕跡花紋圖像的腳掌部分的占空 比為Bt、腳跟部分的占空比為Bb;wt的計算公式為wt=std(At,Bt)/mean(At,Bt)，其中， std(At,Bt)表示At與Bt的標準差，mean(At,Bt)表示At與Bt的均值，wb的計算公式為 wb=std(Ab，Bb)/mean(Ab，Bb);其中std(Ab，Bb)表不Ab與Bb的標準差，mean(Ab，Bb)表不 Ab與Bb的均值；將wt與wb歸一化，使兩者之和為1。
[0039] 進一步地，步驟（c)中，腳掌部分的相關系數Rt、腳跟部分的相關 系Rb計算方法包括：設定閾值T，①若At>T且Bt>T，則Rt的計算公式為： 其中，為現場采集到的鞋底痕跡花紋圖像的 '
? 腳掌部分的頻譜特征中的元素，為樣本圖像庫中一幅鞋底痕跡花紋圖像腳掌的頻譜特征 中的元素，叉為現場采集到的鞋底痕跡花紋的腳掌頻譜特征的平均值，亙?yōu)闃颖緢D像庫中 一幅鞋底痕跡花紋圖像的腳掌的頻譜特征的平均值；②其他情況，則Rt為一預定常數M;Rb計算規(guī)則同腳掌相關系數計算規(guī)則；
[0040] 優(yōu)選地，閾值T的取值范圍包括：0〈T〈0. 1。
[0041] 其中，預定常數M的取值范圍包括：0〈M〈1。
[0042] 進一步地，將相似性得分以預定規(guī)則進行排序并按照該排序方式輸出樣本圖像庫 中預先存儲的鞋底痕跡花紋圖像包括：
[0043] 根據現場采集到