CN105005565A - 现场鞋底痕迹花纹图像检索方法 - Google Patents

Abstract

本发明公开了一种现场鞋底痕迹花纹图像检索方法，该方法包括：将现场采集到的鞋底痕迹花纹图像进行处理，得到二值图，提取二值图的频谱特征；获取样本图像库中所有预先存储的鞋底痕迹花纹图像的二值图的频谱特征；计算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；将相似性得分以预定规则进行排序并按照该排序方式输出样本图像库中预先存储的鞋底痕迹花纹图像。根据本发明的技术方案，能够对现场采集到的低质量的鞋底痕迹花纹图像进行检索，并且检索方法简单，速度快，结果相对准确且全面。

Description

现场鞋底痕迹花纹图像检索方法

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，具体涉及一种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完整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

本发明目的在于克服现有技术的不足，解决犯罪现场遇到的几何畸变、光照不均、残缺等强干扰情况下的鞋印识别问题，可使输入的鞋印图像对现存的现场鞋印库或鞋厂样本图像库进行自动匹配，按照相似度对样本图像库中的所有鞋印进行排序，来帮助侦查破案。

为了实现本发明的目的，特采用以下技术方案：

根据本发明的一个方面，提供了一种现场鞋底痕迹花纹图像检索方法，该检索方法包括：

将现场采集到的鞋底痕迹花纹图像进行处理，得到二值图，提取二值图的频谱特征；

获取样本图像库中所有预先存储的鞋底痕迹花纹图像的二值图的频谱特征；

计算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；

将相似性得分以预定规则进行排序并按照该排序方式输出样本图像库中预先存储的鞋底痕迹花纹图像。

此外，该方法进一步包括：

以预定方式，将鞋底痕迹花纹图像的二值图分为脚掌部分和脚跟部分，并分别提取脚掌部分和脚跟部分的频谱特征；

优选地，脚掌部分占整个鞋底痕迹花纹图像竖直方向的60%，脚跟部分占整个鞋底痕迹花纹图像竖直方向的40%；

优选地，在对现场采集到的鞋底痕迹花纹图像进行二值化之前，将其分辨率规范化到特定dpi；

优选地，特定dpi小于150dpi。

进一步地，提取二值图的频谱特征包括：

步骤（a）获取现场采集到的鞋底痕迹花纹图像的二值图；

步骤（b）对图像的二值图进行傅里叶变换，取其幅值，得到图像的二值图的频谱；

步骤（c）构建滤波器，对频谱进行特征选择滤波；

步骤（d）对滤波后的频谱进行极坐标变换；

步骤（e）再次构建滤波器，对极坐标变换后的频谱进行特征选择滤波，得到图像的二值图的频谱特征。

进一步地，获取样本图像库中所有预先存储的鞋底痕迹花纹图像的二值图的频谱特征包括：

步骤（a）获取样本图像库中预先存储的鞋底痕迹花纹图像的二值图；

步骤（b）对图像的二值图进行傅里叶变换，取其幅值，得到图像的二值图的频谱；

步骤（c）构建滤波器，对频谱进行特征选择滤波；

步骤（d）对滤波后的频谱进行极坐标变换；

步骤（e）再次构建滤波器，对极坐标变换后的频谱进行特征选择滤波，得到图像的二值图的频谱特征；

步骤（f）存储频谱特征。

进一步地，计算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包括：

步骤（a）分别计算图像的脚掌部分的占空比、脚跟部分的占空比，其中，脚掌部分的占空比为脚掌部分鞋底痕迹花纹的面积与鞋底痕迹花纹图像的二值图的脚掌部分的比值，脚跟部分的占空比为脚跟部分鞋底痕迹花纹的面积与鞋底痕迹花纹图像的二值图脚跟部分的比值；

步骤（b）根据脚掌部分的占空比、以及脚跟部分的占空比分别计算脚掌部分的加权系数wt、和脚跟部分的加权系数wb；

步骤（c）根据脚掌部分的占空比、以及脚跟部分的占空比分别计算现场采集到的鞋底痕迹花纹图像与预先存储于样本图像库中的鞋底痕迹花纹图像的频谱特征的相关系数，其中脚掌部分的相关系数用Rt表示、脚跟部分的相关系数用Rb表示；

步骤（d）用脚掌部分的相关系数Rt和脚跟部分的相关系数Rb的加权和作为现场采集到的鞋底痕迹花纹图像与样本图像库中的鞋底痕迹花纹图像的相似性得分R，计算方式包括：R=wt*Rt+wb*Rb。

进一步地，步骤（b）中，脚掌部分的加权系数wt、和脚跟部分的加权系数wb的计算方法包括：设现场采集到的鞋底痕迹花纹图像的脚掌部分的占空比用At表示、脚跟部分的占空比用Ab表示,预先存储于样本图像库中的鞋底痕迹花纹图像的脚掌部分的占空比为Bt、脚跟部分的占空比为Bb；wt的计算公式为wt=std(At,Bt)/mean(At,Bt)，其中，std(At,Bt)表示At与Bt的标准差，mean(At,Bt)表示At与Bt的均值，wb的计算公式为wb=std(Ab,Bb)/mean(Ab,Bb)；其中std(Ab,Bb)表示Ab与Bb的标准差，mean(Ab,Bb)表示Ab与Bb的均值；将wt与wb归一化，使两者之和为1。

进一步地，步骤（c）中，脚掌部分的相关系数Rt、脚跟部分的相关系Rb计算方法包括：设定阈值T，①若At>T且Bt>T,则Rt的计算公式为：其中，A_mn为现场采集到的鞋底痕迹花纹图像的脚掌部分的频谱特征中的元素，B_mn为样本图像库中一幅鞋底痕迹花纹图像脚掌的频谱特征中的元素，为现场采集到的鞋底痕迹花纹的脚掌频谱特征的平均值，为样本图像库中一幅鞋底痕迹花纹图像的脚掌的频谱特征的平均值；②其他情况，则Rt为一预定常数M；Rb计算规则同脚掌相关系数计算规则；

优选地，阈值T的取值范围包括：0<T<0.1。

其中，预定常数M的取值范围包括：0<M<1。

进一步地，将相似性得分以预定规则进行排序并按照该排序方式输出样本图像库中预先存储的鞋底痕迹花纹图像包括：

根据现场采集到的鞋底痕迹花纹图像与样本图像库中每一幅鞋底痕迹花纹图像计算的相似性得分R由大到小排序，并根据该排序输出样本图像库中的鞋底痕迹花纹图像。

此外，该方法进一步包括：

分别计算现场采集到的鞋底痕迹花纹图像的频谱特征与样本图像库中的鞋底痕迹花纹图像的频谱特征的相似性得分、以及现场采集到的鞋底痕迹花纹图像经竖直中心镜像后的频谱特征与样本图像库中的鞋底痕迹花纹图像的频谱特征的相似性得分，取两者的最大值作为样本图像库中的鞋底痕迹花纹图像的最终相似性得分，将现场采集到的鞋底痕迹花纹与样本图像库中每一个鞋底痕迹花纹图像的最终相似性得分由大到小进行排序，并根据该排序输出样本图像库中的鞋底痕迹花纹图像。

与现有技术相比，本发明具有以下有益效果：

1.针对现场提取的低质量鞋底花纹图像的特点而设计的检索方法，适用于案件串并的现场到现场库的检索和鞋溯源的现场到鞋样库的检索，并且在现场到鞋样库的检索中，鞋样库中鞋号大小不影响检索结果，这样在建鞋样库时不必录入每种尺码的鞋样，提高检索率的同时，大大减少成本。其中，现场库和鞋样库构成样本图像库；

2.本发明在现场痕迹存在几何畸变、光照不均、残缺等强干扰条件下亦能取得很好的效果；

3.本发明不区分左右脚，即无论待查现场鞋印是左脚还是右脚，只要库中有，返回的检索结果中都会包含与之最相近的鞋及其对称的鞋；

4.本发明在鞋印（尤其是残缺鞋印）相似度打分时，兼顾了领域专家的主观打分原则，二者打分结果基本一致；

5.本发明各参数是基于大量的现场试验学习而来，符合实际情况，对使用者技能没有特殊要求，自动化程度高，同一个案例不同专业水平的使用者取得的结果是一致的；

6.本发明检索速度快，结果反馈没有明显延迟。下面结合附图对本发明的具体实施方式作进一步详细的描述。

附图说明

图1：根据本发明实施例的现场鞋底痕迹花纹图像检索方法流程图；

图2a：现场采集到的一个鞋底痕迹图像示意图；

图2b：现场采集到的一个鞋底痕迹图像的脚掌部分示意图；

图2c：现场采集到的一个鞋底痕迹图像的脚跟部分示意图；

图3：根据本发明一个具体实施例的现场采集的鞋底痕迹花纹图像的检索方法流程图；

图4a：根据一个具体实施例的现场采集到的鞋底痕迹花纹图像的检索方法，在现场采集到的鞋底痕迹花纹图像与样本图像库中的鞋底痕迹花纹图像的脚掌（或脚跟）的占空比都大于某特定常数C时的检索结果示意图；

图4b：根据一个具体实施例的现场采集到的鞋底痕迹花纹图像的检索方法，在现场采集到的鞋底痕迹花纹图像与样本图像库中的鞋底痕迹花纹图像中的一幅图像中的脚掌（或脚跟）的占空比大于某特定常数C，另一幅图像的脚掌（或脚跟）的占空比小于或等于某特定常数C时的检索结果示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明的发明内容做进一步的说明，但并不因此而限定本发明的内容。

根据本发明的实施例，提供了一种现场鞋底痕迹花纹图像检索方法。

如图1所示，该检索方法包括：

步骤S101，将现场采集到的鞋底痕迹花纹图像进行处理，得到二值图，提取二值图的频谱特征；

步骤S103，获取样本图像库中所有预先存储的鞋底痕迹花纹图像的二值图的频谱特征；

步骤S105，计算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S107，将相似性得分以预定规则进行排序并按照该排序方式输出样本图像库中预先存储的鞋底痕迹花纹图像。

此外，该方法进一步包括：

以预定方式，将鞋底痕迹花纹图像的二值图分为脚掌部分和脚跟部分，并分别提取脚掌部分和脚跟部分的频谱特征；

优选地，脚掌部分占整个鞋底痕迹花纹图像竖直方向的60%，脚跟部分占整个鞋底痕迹花纹图像竖直方向的40%；

优选地，在对现场采集到的鞋底痕迹花纹图像进行二值化之前，将其分辨率规范化到特定dpi；

优选地，特定dpi小于150dpi。

其中，上述所提到的图像可以是二维图像，也可以是三维图像，对此，本发明并无特殊限制。

需要说明的是，上述脚掌（或脚跟）部分为现场采集到的鞋底痕迹花纹图像的脚掌（或脚跟）部分，包括脚掌（或脚跟）部分的足迹图案和背景，如图2a所示为现场采集到的一个鞋底痕迹图像，图2b为该鞋底痕迹图像的脚掌部分，2c为该鞋底痕迹图像的脚跟部分。

其中，提取二值图的频谱特征包括：

步骤（a）获取现场采集到的鞋底痕迹花纹图像的二值图；

步骤（b）对图像的二值图进行傅里叶变换，取其幅值，得到图像的二值图的频谱；

步骤（c）构建滤波器，对频谱进行特征选择滤波；

步骤（d）对滤波后的频谱进行极坐标变换；

步骤（e）再次构建滤波器，对极坐标变换后的频谱进行特征选择滤波，得到图像的二值图的频谱特征。

具体地，获取样本图像库中所有预先存储的鞋底痕迹花纹图像的二值图的频谱特征包括：

步骤（a）获取样本图像库中预先存储的鞋底痕迹花纹图像的二值图；

步骤（b）对图像进行傅里叶变换，取其幅值，得到图像的二值图的频谱；

步骤（c）构建滤波器，对频谱进行特征选择滤波；

步骤（d）对滤波后的频谱进行极坐标变换；

步骤（e）再次构建滤波器，对极坐标变换后的频谱进行特征选择滤波，得到图像的二值图的频谱特征；

步骤（f）存储频谱特征。

具体地，计算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包括：

步骤（a）分别计算图像的脚掌部分的占空比、脚跟部分的占空比，其中，脚掌部分的占空比为脚掌部分鞋底痕迹花纹的面积与鞋底痕迹花纹图像的二值图的脚掌部分的比值，脚跟部分的占空比为脚跟部分鞋底痕迹花纹的面积与鞋底痕迹花纹图像的二值图脚跟部分的比值；

步骤（b）根据脚掌部分的占空比、以及脚跟部分的占空比分别计算脚掌部分的加权系数wt、和脚跟部分的加权系数wb；

步骤（c）根据脚掌部分的占空比、以及脚跟部分的占空比分别计算现场采集到的鞋底痕迹花纹图像与预先存储于样本图像库中的鞋底痕迹花纹图像的频谱特征的相关系数，其中脚掌部分的相关系数用Rt表示、脚跟部分的相关系数用Rb表示；

步骤（d）用脚掌部分的相关系数Rt和脚跟部分的相关系数Rb的加权和作为现场采集到的鞋底痕迹花纹图像与样本图像库中的鞋底痕迹花纹图像的相似性得分R，计算方式包括：R=wt*Rt+wb*Rb。

具体地，步骤（b）中，脚掌部分的加权系数wt、和脚跟部分的加权系数wb的计算方法包括：设现场采集到的鞋底痕迹花纹图像的脚掌部分的占空比用At表示、脚跟部分的占空比用Ab表示,预先存储于样本图像库中的鞋底痕迹花纹图像的脚掌部分的占空比为Bt、脚跟部分的占空比为Bb；wt的计算公式为wt=std(At,Bt)/mean(At,Bt)，其中，std(At,Bt)表示At与Bt的标准差，mean(At,Bt)表示At与Bt的均值，wb的计算公式为wb=std(Ab,Bb)/mean(Ab,Bb)；其中std(Ab,Bb)表示Ab与Bb的标准差，mean(Ab,Bb)表示Ab与Bb的均值；将wt与wb归一化，使两者之和为1。

具体地，步骤（c）中，脚掌部分的相关系数Rt、脚跟部分的相关系Rb计算方法包括：设定阈值T，①若At>T且Bt>T,则Rt的计算公式为：其中，A_mn为现场采集到的鞋底痕迹花纹图像的脚掌部分的频谱特征中的元素，B_mn为样本图像库中一幅鞋底痕迹花纹图像脚掌的频谱特征中的元素，为现场采集到的鞋底痕迹花纹的脚掌频谱特征的平均值，为样本图像库中一幅鞋底痕迹花纹图像的脚掌的频谱特征的平均值；②其他情况，则Rt为一预定常数M；Rb计算规则同脚掌相关系数计算规则；

优选地，阈值T的取值范围包括：0<T<0.1。

优选地，预定常数M的取值范围包括:0<M<1。

其中，将相似性得分以预定规则进行排序并按照该排序方式输出样本图像库中预先存储的鞋底痕迹花纹图像包括：

根据现场采集到的鞋底痕迹花纹图像与样本图像库中每一幅鞋底痕迹花纹图像计算的相似性得分R由大到小排序，并根据该排序输出样本图像库中的鞋底痕迹花纹图像。

此外，该方法进一步包括：

分别计算现场采集到的鞋底痕迹花纹图像的频谱特征与样本图像库中的鞋底痕迹花纹图像的频谱特征的相似性得分、以及现场采集到的鞋底痕迹花纹图像经竖直中心镜像后的频谱特征与样本图像库中的鞋底痕迹花纹图像的频谱特征的相似性得分，取两者的最大值作为样本图像库中的鞋底痕迹花纹图像的最终相似性得分，将现场采集到的鞋底痕迹花纹与样本图像库中每一个鞋底痕迹花纹图像的最终相似性得分由大到小进行排序，并根据该排序输出样本图像库中的鞋底痕迹花纹图像。

例如以下具体实施例，提供了一种现场采集的鞋底痕迹花纹图像的检索方法：

如图3所示，在本实施例中，具体实施过程包括离线训练过程和在线检索过程，其中，离线训练过程表示创建样本图像库的过程，样本图像库中保存有多个鞋底痕迹花纹图像以及对应于每一个鞋底痕迹花纹图像的频谱特征。

一、离线训练过程包括：

（1）样本图像库中花纹图像的预处理

获取样本图像库中花纹图像，对样本图像库中的鞋底痕迹花纹图像进行尺度归一化处理，即把样本图像库中鞋底痕迹花纹图像与现场鞋底痕迹花纹图像规范到某特定较低dpi（例如：30dpi），并对其进行二值化，把图像分为脚掌和脚跟两部分，即上下分区，样本图像库中鞋底痕迹花纹图像与现场鞋底痕迹花纹图像中的分区比例相同，优选方案为，脚掌部分占整个图像的60%，脚跟部分占整个图像的40%，对两部分图像进行处理，以便下一步的特征的提取，当然，在其他实施例中，也可以采用其他的分区方案，只要保证样本图像库中图像的分区方式与现场采集到图像的分区方式相同即可。

（2）样本图像库中鞋底痕迹花纹图像的频谱特征提取

把预处理后的脚掌和脚跟的图像分别按照以下步骤进行频率选择性滤波，求取各个方向的能量分布，作为提取的频谱特征：

（a）进行傅里叶变换，取其幅值；

（b）构建特征选择滤波器，进行滤波；采用巴特沃斯高通滤波器：

$H(u,v)=1-\frac{1}{1+{\left(\frac{\sqrt{(u^2+v^2)}}{D_H}\right)}^{2n}}$

其中，u,v表示水平方向和垂直方向的频率；D_H为截断频率，D_H=0.7*max(ht,wd)，ht,wd分别表示水平方向和垂直方向最大频率；n为阶次。

（c）对滤波后的图像进行极坐标变换，过程为：设原图像为f(u,v),变换后的图像为g(ρ,θ)=f(ρcosθ,ρsinθ)，ρ,θ分别表示极半径和角度；

（d）再对极坐标变换后的图像进行特征选择滤波，采用高斯高通滤波器：

$H(u,v)=1-e^{\frac{-[{(u-\frac{M}{2})}^2+{(v-\frac{N}{2})}^2]}{2{\mathrm{\&sigma;}}^2}}$

其中M、N分别为极坐标变换后频谱的长度和宽度，u、v分别表示极半径和角度的索引值，σ为高斯函数的标准差；

（e）将计算步骤（d）所产生结果作为频谱特征。

二、在线检索过程包括：

（1）低质量现场鞋底痕迹花纹图像的预处理

获取低质量现场鞋底痕迹花纹图像，对低质量现场鞋底痕迹花纹图像进行尺度归一化处理，即把图像规范特定dpi（例如30dpi），并对其进行二值化，把图像分为脚掌和脚跟两部分，对两部分图像进行处理，以便下一步的特征的提取。

（2）低质量现场鞋底痕迹花纹图像的特征提取

把预处理后的脚掌和脚跟的图像分别按照以下步骤进行频率选择性滤波，求取各个方向的能量分布，作为提取的特征：

（a）获取现场采集到的鞋底痕迹花纹图像；

（b）对所述图像进行傅里叶变换，取其幅值，得到所述图像的频谱；

（c）构建滤波器，对所述频谱进行特征选择滤波；

（d）对滤波后的频谱进行极坐标变换；

（e）再次构建滤波器，对极坐标变换后的频谱进行特征选择滤波，得到所述图像的频谱特征。

（3）低质量现场鞋底图像特征匹配策略

特征匹配策略主要根据脚掌脚跟的占空比来判断是否求相关系数，如果现场采集到的鞋底痕迹花纹图像残缺较大，就没有必要再与样本图像库中的图像求相关，对于这样的图像的相关系数，用一个常数取代，并且，优选地，该常数的取值范围介于0和1之间，用户可以根据实际情况，自行确定该常数的具体值。其他情况按残缺比例确定调整系数，从而求得低质量鞋底痕迹花纹图与样本图像库中候选图的相关性得分。具体过程为：

（a）遍历读取样本图像库中每幅图像的花纹频谱特征，按步骤（b）-（e）计算现场采集的图像与样本图像库中每幅图像的相似性得分；

（b）用Rt和Rb分别表示现场采集到的鞋底痕迹花纹图像与样本图像库中鞋底痕迹花纹图像相应部分的相关系数；

（c）根据脚掌部分的占空比、以及脚跟部分的占空比分别计算脚掌部分的加权系数wt、和脚跟部分的加权系数wb，计算方法包括：设现场采集到的鞋底痕迹花纹图像的脚掌部分的占空比用At表示、脚跟部分的占空比用Ab表示,预先存储于样本图像库中的鞋底痕迹花纹图像的脚掌部分的占空比为Bt、脚跟部分的占空比为Bb；wt的计算公式为wt=std(At,Bt)/mean(At,Bt)，其中，std(At,Bt)表示At与Bt的标准差，mean(At,Bt)表示At与Bt的均值，wb的计算公式为wb=std(Ab,Bb)/mean(Ab,Bb)；其中std(Ab,Bb)表示Ab与Bb的标准差，mean(Ab,Bb)表示Ab与Bb的均值；将wt与wb归一化，使两者之和为1；

（d）脚掌部分的相关系数Rt、脚跟部分的相关系Rb计算方法包括：设定特定常数C，①若At＞C且Bt＞C,则Rt的计算公式为：其中，A_mn为现场采集到的鞋底痕迹花纹图像的脚掌部分的频谱特征中的元素，B_mn为样本图像库中一幅鞋底痕迹花纹图像脚掌的频谱特征中的元素，为现场采集到的鞋底痕迹花纹的脚掌频谱特征的平均值，为样本图像库中一幅鞋底痕迹花纹图像的脚掌的频谱特征的平均值；②其他情况，则Rt为一预定常数M；Rb计算规则同脚掌相关系数计算规则；

（e）用脚掌和脚跟部分相关系数的加权和作为现场采集到的鞋底痕迹花纹图像与样本图像库中的鞋底痕迹花纹图像的相似性得分R，计算方式为：R=wt?Rt+wb?Rb；

（f）按步骤（e）计算现场采集到的鞋底痕迹花纹图像的关于竖直中心镜像后图像的频谱特征与样本图像库中的鞋底痕迹花纹图像的频谱特征的相似性得分。

（g）取步骤（e）和步骤（f）计算的相似性得分最大值作为该样本图像库中的鞋底痕迹花纹图像的最终得分；

（h）将上述步骤计算的现场采集到的鞋底痕迹花纹图像与样本图像库中每一幅鞋底痕迹花纹图像计算的相似性得分R由大到小排序，返回匹配结果。

根据上述步骤对样本图像库中的鞋底痕迹花纹图像进行排序之后，输出的图像包括以下两种情况中的任意一种：

1）如果现场采集到的鞋底痕迹花纹图像与样本图像库中的鞋底痕迹花纹图像的脚掌（或脚跟）的占空比都大于某特定常数C（例如：0.05）时，按照相似度得分R对样本图像库中每一幅鞋底痕迹花纹图像进行排序并输出后得到的图像如图4a所示，在图4a中，左起第一幅图为现场采集到的鞋底痕迹花纹图像；

2）如果现场采集到的鞋底痕迹花纹图像与样本图像库中的鞋底痕迹花纹图像中的一幅图像中的脚掌（或脚跟）的占空比大于某特定常数C，另一幅图像的脚掌（或脚跟）的占空比小于或等于某特定常数C时，例如，现场采集到的鞋底痕迹花纹图像的脚掌的占空比大于某特定常数C，样本图像库中的鞋底痕迹花纹图像中的图像的脚掌的占空比小于某特定常数C，此时按照相似度得分R对样本图像库中每一幅鞋底痕迹花纹图像进行排序并输出后得到的图像如图4b所示，在图4b中，左起第一幅图为现场采集到的鞋底痕迹花纹图像。

根据本发明的技术方案，能够实现以下有益效果：

1.针对现场提取的低质量鞋底花纹图像的特点而设计的检索方法，适用于案件串并的现场到现场库的检索和鞋溯源的现场到鞋样库的检索，并且在现场到鞋样库的检索中，鞋样库中鞋号大小不影响检索结果，这样在建鞋样库时不必录入每种尺码的鞋样，提高检索率的同时，大大减少成本。其中，现场库和鞋样库构成样本图像库；

2.本发明在现场痕迹存在几何畸变、光照不均、残缺等强干扰条件下亦能取得很好的效果；

3.本发明不区分左右脚，即无论待查现场鞋印是左脚还是右脚，只要库中有，返回的检索结果中都会包含与之最相近的鞋底痕迹花纹图像及其对称的鞋底痕迹花纹图像；

4.本发明在对鞋底痕迹花纹图像（尤其是残缺的鞋底痕迹花纹图像）相似度打分时，兼顾了领域专家的主观打分原则，二者打分结果基本一致；

5.本发明各参数是基于大量的现场试验学习而来，符合实际情况，对使用者技能没有特殊要求，自动化程度高，同一个案例不同专业水平的使用者取得的结果是一致的；

6.本发明检索速度快，结果反馈没有明显延迟。

以上所述仅为本发明的优选实施方式，应当指出，对于本领域的普通技术人员而言，在不脱离本发明原理前提下，还可以做出多种变形和改进，这也应该视为本发明的保护范围。

Claims (10)

1.一种现场鞋底痕迹花纹图像检索方法，其特征在于，包括：

将现场采集到的鞋底痕迹花纹图像进行处理，得到二值图，提取所述二值图的频谱特征；

获取样本图像库中所有预先存储的鞋底痕迹花纹图像的二值图的频谱特征；

计算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；

将所述相似性得分以预定规则进行排序并按照该排序方式输出所述样本图像库中预先存储的鞋底痕迹花纹图像。

2.根据权利要求1所述的检索方法，其特征在于，进一步包括：

以预定方式，将所述鞋底痕迹花纹图像的二值图分为脚掌部分和脚跟部分，并分别提取所述脚掌部分和所述脚跟部分的频谱特征；

优选地，所述脚掌部分占整个鞋底痕迹花纹图像竖直方向的60%，所述脚跟部分占整个鞋底痕迹花纹图像竖直方向的40%；

优选地，在对现场采集到的鞋底痕迹花纹图像进行二值化之前，将其分辨率规范化到特定dpi；

优选地，所述特定dpi小于150dpi。

3.根据权利要求1或2所述的检索方法，其特征在于，提取所述二值图的频谱特征包括：

步骤（a）获取现场采集到的鞋底痕迹花纹图像的二值图；

步骤（b）对图像的二值图进行傅里叶变换，取其幅值，得到图像的二值图的频谱；

步骤（c）构建滤波器，对所述频谱进行特征选择滤波；

步骤（d）对滤波后的频谱进行极坐标变换；

步骤（e）再次构建滤波器，对极坐标变换后的频谱进行特征选择滤波，得到所述图像的二值图的频谱特征。

4.根据权利要求1或2所述的检索方法，其特征在于，获取样本图像库中所有预先存储的鞋底痕迹花纹图像的二值图的频谱特征包括：

步骤（a）获取样本图像库中预先存储的鞋底痕迹花纹图像的二值图；

步骤（b）对图像的二值图进行傅里叶变换，取其幅值，得到图像的二值图的频谱；

步骤（c）构建滤波器，对所述频谱进行特征选择滤波；

步骤（d）对滤波后的频谱进行极坐标变换；

步骤（e）再次构建滤波器，对极坐标变换后的频谱进行特征选择滤波，得到所述图像的二值图频谱特征；

步骤（f）存储所述频谱特征。

5.根据权利要2所述的检索方法，其特征在于，所述计算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包括：

步骤（a）分别计算所述图像的脚掌部分的占空比、脚跟部分的占空比，其中，所述脚掌部分的占空比为脚掌部分鞋底痕迹花纹的面积与所述鞋底痕迹花纹图像的二值图的脚掌部分的比值，所述脚跟部分的占空比为脚跟部分鞋底痕迹花纹的面积与所述鞋底痕迹花纹图像的二值图脚跟部分的比值；

步骤（b）根据所述脚掌部分的占空比、以及脚跟部分的占空比分别计算脚掌部分的加权系数wt、和脚跟部分的加权系数wb；

步骤（c）根据所述脚掌部分的占空比、以及脚跟部分的占空比分别计算现场采集到的鞋底痕迹花纹图像与预先存储于样本图像库中的鞋底痕迹花纹图像的频谱特征的相关系数，其中脚掌部分的相关系数用Rt表示、脚跟部分的相关系数用Rb表示；

步骤（d）用脚掌部分的相关系数Rt和脚跟部分的相关系数Rb的加权和作为所述现场采集到的鞋底痕迹花纹图像与样本图像库中的鞋底痕迹花纹图像的相似性得分R，计算方式包括：R=wt*Rt+wb*Rb。

6.根据权利要求5所述的检索方法，其特征在于，步骤（b）中，脚掌部分的加权系数wt、和脚跟部分的加权系数wb的计算方法包括：设现场采集到的鞋底痕迹花纹图像的脚掌部分的占空比用At表示、脚跟部分的占空比用Ab表示,预先存储于样本图像库中的鞋底痕迹花纹图像的脚掌部分的占空比为Bt、脚跟部分的占空比为Bb；wt的计算公式为wt=std(At,Bt)/mean(At,Bt)，其中，std(At,Bt)表示At与Bt的标准差，mean(At,Bt)表示At与Bt的均值，wb的计算公式为wb=std(Ab,Bb)/mean(Ab,Bb)；其中std(Ab,Bb)表示Ab与Bb的标准差，mean(Ab,Bb)表示Ab与Bb的均值；将wt与wb归一化，使两者之和为1。

7.根据权利要求5所述的检索方法，其特征在于，步骤（c）中，脚掌部分的相关系数Rt、脚跟部分的相关系Rb计算方法包括：设定阈值T，①若At>T且Bt>T,则Rt的计算公式为： $\mathrm{Rt}=\frac{\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}(A_{\mathrm{mn}}-\stackrel{\&OverBar;}{A})(B_{\mathrm{mn}}-\stackrel{\&OverBar;}{B})}{\sqrt{\left(\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}{(A_{\mathrm{mn}}-\stackrel{\&OverBar;}{A})}^2\right)\left(\underset{m}{\mathrm{\&Sigma;}}\underset{n}{\mathrm{\&Sigma;}}{(B_{\mathrm{mn}}-\stackrel{\&OverBar;}{B})}^2\right)}},$ 其中，A_mn为现场采集到的鞋底痕迹花纹图像的脚掌部分的频谱特征中的元素，B_mn为样本图像库中一幅鞋底痕迹花纹图像脚掌的频谱特征中的元素，为现场采集到的鞋底痕迹花纹的脚掌频谱特征的平均值，为样本图像库中一幅鞋底痕迹花纹图像的脚掌的频谱特征的平均值；②其他情况，则Rt为一预定常数M；Rb计算规则同脚掌相关系数计算规则；

优选地，所述阈值T的取值范围包括：0<T<0.1。

8.根据权利要求7所述的检索方法，其特征在于，所述预定常数M的取值范围包括:0<M<1。

9.根据权利要求5所述的检索方法，其特征在于，将所述相似性得分以预定规则进行排序并按照该排序方式输出所述样本图像库中预先存储的鞋底痕迹花纹图像包括：

根据现场采集到的鞋底痕迹花纹图像与样本图像库中每一幅鞋底痕迹花纹图像计算的相似性得分R由大到小排序，并根据该排序输出样本图像库中的鞋底痕迹花纹图像。

10.根据权利要求5所述的检索方法，其特征在于，进一步包括：

分别计算现场采集到的鞋底痕迹花纹图像的频谱特征与样本图像库中的鞋底痕迹花纹图像的频谱特征的相似性得分、以及现场采集到的鞋底痕迹花纹图像经竖直中心镜像后的频谱特征与样本图像库中的鞋底痕迹花纹图像的频谱特征的相似性得分，取两者的最大值作为所述样本图像库中的鞋底痕迹花纹图像的最终相似性得分，将现场采集到的鞋底痕迹花纹与样本图像库中每一个鞋底痕迹花纹图像的最终相似性得分由大到小进行排序，并根据该排序输出样本图像库中的鞋底痕迹花纹图像。