[发明专利]基于多次反馈机制的现场鞋底痕迹花纹图像检索方法

说明书

本发明公开了一种基于多次反馈机制的现场鞋底痕迹花纹图像的检索方法，包括：步骤1，根据现场采集到的鞋底痕迹花纹图像的二值图的频谱特征与样本图像库中图像特征的相似性程度，对样本图像库中预先存储的鞋底痕迹花纹图像进行排序并输出；步骤2，按照预定标准选择至少两个所输出的样本图像库中预先存储的鞋底痕迹花纹图像，根据提取选择出的鞋底痕迹花纹图像的频谱特征,将选择出的鞋底痕迹花纹图像的频谱特征求平均，计算得出平均频谱特征；步骤3，计算平均频谱特征与样本图像库中每一个预先存储的鞋底痕迹花纹图像的二值图的频谱特征的相似性得分；步骤4，按照相似性得分从大到小的顺序输出样本图像库中预先存储的鞋底痕迹花纹图像。

技术领域

本发明涉及图像处理与识别、计算机视觉、机器学习和公共安全等领域，特别地，涉及一种基于多次反馈机制的现场鞋底痕迹花纹图像检索方法。

背景技术

目前，国内外的鞋底花纹检索主要分为三类：基于标注、基于花纹和基于特征的检索方法。

近来，用傅里叶变换来对完整或局部的优劣程度不同的鞋底痕迹花纹进行分类，傅里叶变换可以解决图像的缩放和旋转问题，并且对频域信息编码。2005年Philip deChazal等提出一种基于傅立叶变换的鞋底花纹自动检索系统，具体方法为：对鞋底痕迹图片进行傅立叶变换，并计算其功率谱密度作为特征进行匹配。在没考虑噪声的情况下，匹配的正确率为85%左右，也证明了这种方法具有平移、旋转不变性。

此外，在现有技术中，还有一种基于轮廓的鞋底花纹自动检索系统。该系统利用图案的边缘信息来进行分类，在对图像进行平滑去噪后，把边缘方向以5度为间隔分为72份，对每个图案生成一个边缘方向的直方图，然后进行离散的傅里叶变换保证了缩放、旋转的不变性。但此文没有给出对缺损图像检索的性能指标，而向用户提供一个最匹配的鞋底痕迹花纹排序表。据报道，该系统的精确率为85.4%。

此外，现有技术中还提出一种基于鞋底痕迹直方图特征和纹理特征检索鞋底痕迹花纹的方法。该方法利用灰度共生矩阵和灰度直方图提取鞋印的纹理和直方图特征。由于承受客体不同、光线等因素的影响，会出现同样的人穿同样的鞋踩出的两只鞋印的纹理和直方图特征不同，将Hu不变矩应用于鞋底痕迹花纹识别中，将旋转不变性测试的取值范围设在-90°到+90°,匹配率能达到99.4%。

此外，为了避免前人所用的边缘检测方法的缺点，提高查全率，直接采用鞋底痕迹的灰度图像或者经过边缘检测后的灰度图像进行识别；然后计算图像的PSD，最后求相关系数。为了比较不同方法对鞋底痕迹花纹识别效果的影响，该文采用三种方法：方法一、计算图像的灰度值；方法二、利用Laplacian(拉普拉斯)边缘检测方法；方法三、利用Canny边缘检测方法。实验结果表明方法一更适合含有较大噪声的鞋底痕迹图像，因为在这种情况下求图像的灰度值，是为了避免由噪声引起的假边界提取。方法二和方法三适合图像中噪声较少的情况，这样得到的鞋底痕迹识别效果较好。

虽然，在在现有技术中已经有鞋底花纹的全自动检索系统，但是，这些系统都是对人工合成的清晰的鞋底痕迹图像进行检索，而在实际应用中，需要进行检索的鞋底痕迹图像多为现场采集的鞋底痕迹图像，并且，很多时候，现场采集的鞋底痕迹图像质量较低，不完整、或者不清晰，所以，上面所提到的鞋底痕迹检索方法在实际应用中有很多限制。

发明内容

本发明目的在于通过对现场采集到的鞋底痕迹花纹图像的多次检索，能够提高检索的精确程度，更有效的帮助侦查破案。

为了实现本发明的目的，特采用以下技术方案：

根据本发明的技术方案，提供了一种基于多次反馈机制的现场鞋底痕迹花纹图像的检索方法，该方法包括：

步骤1，根据现场采集到的鞋底痕迹花纹图像的二值图的频谱特征与样本图像库中图像特征的相似性程度，对样本图像库中预先存储的鞋底痕迹花纹图像进行排序并输出；