CN105023027A - 基于多次反馈机制的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。

Description

基于多次反馈机制的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，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；

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。

此外，该方法进一步包括：

重复循环进行步骤2至步骤4，直到获得检索方法的使用者满意的样本图像库中的图像的输出排序为止。

具体地，步骤1包括：

步骤a，根据现场采集到的鞋底痕迹花纹图像分析鞋底痕迹花纹的特点，提取鞋底痕迹花纹图像的二值图的频谱特征；

步骤b，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c，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d，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。

并且，步骤2中，预定标准包括以下至少之一：

选择相似性得分高于预定值的图像、按照输出顺序选择预定数量的图像、剔除与现场采集的鞋底痕迹花纹图像具有明显差异的图像。

进一步地，步骤a包括：

步骤a1，获取现场采集到的鞋底痕迹花纹图像的二值图；

步骤a2，对图像的二值图进行傅里叶变换，取其幅值，得到该图像的二值图的频谱；

步骤a3，构建滤波器，对频谱进行特征选择滤波；

步骤a4，对滤波后的频谱进行极坐标变换；

步骤a5，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，滤波结果作为图像的二值图的频谱特征。

进一步地，步骤b包括：

步骤b1，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b2，对图像的二值图进行傅里叶变换，取其幅值，得到该图像的二值图的频谱；

步骤b3，构建滤波器，对该频谱进行特征选择滤波；

步骤b4，对滤波后的频谱进行极坐标变换；

步骤b5，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，滤波结果作为图像的二值图的频谱特征；

步骤b6，存储图像的二值图的频谱特征。

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的60%，脚跟部分占整个鞋底痕迹花纹图像的40%。

进一步地，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包括：

分别计算图像的脚掌部分的占空比、与脚跟部分的占空比，其中，脚掌部分的占空比为脚掌部分足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足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；

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，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为At、脚跟部分的占空比为Ab,预先存储于样本图像库中的图像的脚掌部分的占空比为Bt、脚跟部分的占空比Bb，给定阈值T，范围为0<T<0.1，情况一，若At＞T且Bt＞T，则Rt为新的特征的脚掌部分与样本图像库中预先存储的足迹图像脚掌部分的频谱特征的相关系数；情况二，脚掌占空比的其他情况，则Rt=0；情况三，若Ab＞T且Bb＞T，则Rb为新的特征的脚跟部分与样本图像库中预先存储的足迹图像脚跟部分的频谱特征的相关系数；情况四，脚跟占空比的其他情况，则Rb=0；

图像整体相似性得分R的计算方式包括：情况一，若Rt＞0且Rb＞0，则R＝(Rt+Rb)/2；情况二，若Rt＞0且Rb＝0，则R＝Rt；情况三，若Rb＞0且Rt＝0，则R＝Rb；情况四，若Rt＝0且Rb＝0，则R＝0。

进一步地，相关系数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，并且，相关系数Rb的计算方法与Rt相类似。

此外，该方法进一步包括：

分别计算的平均频谱特征与样本图像库中图像的频谱特征的相似性得分、以及平均竖直中心镜像频谱特征与样本图像库的频谱特征的相似性得分，取两者的最大值作为此图像的最终相似性得分，将现场采集到的鞋底痕迹花纹图像与样本图像库中每一个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图像，其中，平均频谱特征指：在选择的图像中与现场采集到的鞋底痕迹花纹图像同侧图像的频谱特征和与现场采集到的鞋底痕迹花纹图像异侧图像竖直中心镜像后的图像的频谱特征求平均，得出平均频谱特征；平均竖直中心镜像频谱特征指：在选择的图像中与现场采集到的鞋底痕迹花纹图像异侧图像的频谱特征、和与现场采集到的鞋底痕迹花纹图像同侧图像竖直中心镜像后的图像的频谱特征求平均，得出平均竖直中心镜像频谱特征。

与现有技术相比，本发明具有以下有益效果：

1.本发明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；

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。

附图说明

图1：根据本发明实施例的基于多次反馈机制的现场鞋底痕迹花纹图像的检索方法流程图。

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，提供了一种基于多次反馈机制的现场鞋底痕迹花纹图像的检索方法，其特征在于，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；

容易理解，在一个实施例中，将选择出的鞋底痕迹花纹图像的频谱特征求平均是指：

假设选择出五幅图像，将这五幅图像的频谱特征求平均，频谱特征为矩阵形式，对其求平均是指，将这五福图像的频谱特征矩阵中相同位置处（例如（1,1）位置处）的值求得算数平均数，得到该位置处频谱特征的平均值，作为平均频谱特征的相同位置处的值，其他位置处也采用相同的方式计算。

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。

此外，该方法进一步包括：

重复循环进行步骤2至步骤4，直到获得检索方法的使用者满意的样本图像库中的图像的输出排序为止。

其中，步骤1包括：

步骤a，根据现场采集到的鞋底痕迹花纹图像分析鞋底痕迹花纹的特点，提取鞋底痕迹花纹图像的二值图的频谱特征；

步骤b，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c，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d，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。

具体地，步骤2中，预定标准包括以下至少之一：

选择相似性得分高于预定值的图像、按照输出顺序选择预定数量的图像、剔除与现场采集的鞋底痕迹花纹图像具有明显差异的图像。

具体地，步骤a包括：

步骤a1，获取现场采集到的鞋底痕迹花纹图像的二值图；

步骤a2，对图像的二值图进行傅里叶变换，取其幅值，得到该图像的二值图的频谱；

步骤a3，构建滤波器，对频谱进行特征选择滤波；

步骤a4，对滤波后的频谱进行极坐标变换；

步骤a5，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，滤波结果作为图像的二值图的频谱特征。

具体地，步骤b包括：

步骤b1，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b2，对图像的二值图进行傅里叶变换，取其幅值，得到该图像的二值图的频谱；

步骤b3，构建滤波器，对该频谱进行特征选择滤波；

步骤b4，对滤波后的频谱进行极坐标变换；

步骤b5，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，滤波结果作为图像的二值图的频谱特征；

步骤b6，存储图像的二值图的频谱特征。

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的60%，脚跟部分占整个鞋底痕迹花纹图像的40%。

具体地，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包括：

分别计算图像的脚掌部分的占空比、与脚跟部分的占空比，其中，脚掌部分的占空比为脚掌部分足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足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；

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，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为At、脚跟部分的占空比为Ab,预先存储于样本图像库中的图像的脚掌部分的占空比为Bt、脚跟部分的占空比Bb，给定阈值T，范围为0<T<0.1，情况一，若At＞T且Bt＞T，则Rt为新的特征的脚掌部分与样本图像库中预先存储的足迹图像脚掌部分的频谱特征的相关系数；情况二，脚掌占空比的其他情况，则Rt=0；情况三，若Ab＞T且Bb＞T，则Rb为新的特征的脚跟部分与样本图像库中预先存储的足迹图像脚跟部分的频谱特征的相关系数；情况四，脚跟占空比的其他情况，则Rb=0；

图像整体相似性得分R的计算方式包括：情况一，若Rt＞0且Rb＞0，则R＝(Rt+Rb)/2；情况二，若Rt＞0且Rb＝0，则R＝Rt；情况三，若Rb＞0且Rt＝0，则R＝Rb；情况四，若Rt＝0且Rb＝0，则R＝0。

其中，相关系数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，并且，相关系数Rb的计算方法与Rt相类似。

此外，该方法进一步包括：

分别计算的平均频谱特征与样本图像库中图像的频谱特征的相似性得分、以及平均竖直中心镜像频谱特征与样本图像库的频谱特征的相似性得分，取两者的最大值作为此图像的最终相似性得分，将现场采集到的鞋底痕迹花纹图像与样本图像库中每一个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图像，其中，平均频谱特征指：在选择的图像中与现场采集到的鞋底痕迹花纹图像同侧图像的频谱特征和与现场采集到的鞋底痕迹花纹图像异侧图像竖直中心镜像后的图像的频谱特征求平均，得出平均频谱特征；平均竖直中心镜像频谱特征指：在选择的图像中与现场采集到的鞋底痕迹花纹图像异侧图像的频谱特征、和与现场采集到的鞋底痕迹花纹图像同侧图像竖直中心镜像后的图像的频谱特征求平均，得出平均竖直中心镜像频谱特征。

例如，在一个具体实施例中，假如现场采集到的鞋底痕迹花纹图像test为右脚，在其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结果的基础上选了5幅图像，其中2幅图像为右脚a1、a2，3幅图像为左脚b1、b2、b3。

右脚a1、a2竖直中心镜像的图像为a1’、a2’，左脚竖直中心镜像的图像为b1’、b2’、b3’。

计算新的频谱特征的步骤为：

1.取与测试图像test同侧的a1、a2特征和与测试图像异侧的b1、b2、b3的竖直中心镜像的图像（即b1’、b2’、b3’）特征求平均（也可以取去掉最大最小值后的平均），得到新的频谱特征。（因为b1、b2、b3跟a1、a2不是同侧图像，如果左脚的特征加右脚的特征求平均，求得的频谱特征不够准确）；

2.竖直中心镜像特征计算过程为：取与测试图像test异侧的b1、b2、b3特征和与测试图像同侧的a1、a2的竖直中心镜像的图像（即a1’、a2’）特征求平均（也可以取去掉最大最小值后的平均），得到平均竖直中心镜像频谱特征；

3.分别计算这两个新的频谱特征和样本库中的所有频谱特征求相似性得分取两个得分的最大值。

通过以上所述的检索方法，能够使检索结果更加精确，并且，无论现场采集到的鞋底痕迹花纹图像是左脚还是右脚，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花纹图像及其对称的鞋底痕迹花纹图像。

例如以下具体实施例：

对一幅现场采集到的鞋底痕迹花纹图像进行初次检索，选择检索结果中的部分图像，为新的频谱特征的获取做准备。

检索的步骤如下：

根据现场采集到的鞋底痕迹花纹图像分析鞋底痕迹花纹的特点，提取鞋底痕迹花纹图像的二值图的频谱特征；

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；

获取新的频谱特征：

根据初次检索的结果，选择检索结果中的部分图像，分别对这些图像的脚掌部分和脚跟部分的频谱特征进行处理，处理方式包括：

将获取的排在前面的五幅图像（当然，在其他实施例中，根据实际情况，选择图像的数量也可以为其他值），这五幅图像中与现场采集到的鞋底痕迹花纹图像同侧图像的脚掌频谱特征和与现场采集到的鞋底痕迹花纹图像异侧图像竖直中心镜像后的图像的脚掌频谱特征，求这五幅图像的脚掌部分的频谱特征的平均值（也可以取去掉最大最小值后的平均），得出新的脚掌频谱特征。这五幅图像中与现场采集到的鞋底痕迹花纹图像异侧图像的脚掌频谱特征、和与现场采集到的鞋底痕迹花纹图像同侧图像竖直中心镜像后的图像的脚掌频谱特征，求这五幅图像的脚掌部分的频谱特征的平均值（也可以取去掉最大最小值后的平均），得到新的竖直中心镜像脚掌频谱特征。对于脚跟部分新的频谱特征的获取也采用同样的方式，应用重新获取的新的脚掌、和脚跟部分的频谱特征对样本图像库进行再次进行检索，而且，再次检索的次数也不限于两次，用户可以根据实际情况进行多次重复计算和检索；

3）低质量现场鞋底图像特征匹配策略

（a）遍历读取样本图像库中每幅图像的频谱特征，按以下步骤（b）-（e）计算重新获得的频谱特征与样本图像库中每幅图像的频谱特征的相似性得分；

（b）用Rt和Rb分别表示重新获得的频谱特征与样本图像库中鞋印图像特征相应部分的相关系数，初值都为0；

（c）根据现场采集到的鞋底痕迹花纹图像与库中图像的脚掌脚跟的占空比来判断是否求相应部分的相关系数，如果现场采集到的鞋底痕迹花纹图像或库中图像的脚掌或脚跟占空比小于等于T(0<T<0.1)时，则该部分的相关系数Rt或Rb置为0；

（d）对于占空比高于T脚掌或脚跟部分则计算重新获得的频谱特征与样本图像库中鞋印图像特征相应部分的相关系数并将其赋给Rt和Rb；

（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图像的相似性得分R，计算方式为：若脚掌和脚跟的相关系数都不为零，则R等于脚掌和脚跟相关系数的平均值，若只有脚掌或脚跟相关系数（即不为零），则R等于不为零的脚掌或脚跟的相关系数，若脚掌和脚跟相关系数都为零，则R为零；

（f）按步骤（e）计算平均竖直中心镜像频谱特征与样本图像库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此图像的最终得分；

（h）将上述步骤计算的重新获得的频谱特征与样本图像库中每一幅图像的特征计算的相似性得分R由大到小排序，返回匹配结果。

根据本发明的上述技术方案，能够实现：

1.本发明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；

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)

1.一种基于多次反馈机制的现场鞋底痕迹花纹图像的检索方法，其特征在于，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，计算所述平均频谱特征与所述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，按照所述相似性得分从大到小的顺序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：

重复循环进行步骤2至步骤4，直到获得所述检索方法的使用者满意的样本图像库中的图像的输出排序为止。

3.根据权利要求1所述的检索方法，其特征在于，所述步骤1包括：

步骤a，根据现场采集到的鞋底痕迹花纹图像分析鞋底痕迹花纹的特点，提取所述鞋底痕迹花纹图像的二值图的频谱特征；

步骤b，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c，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d，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。

4.根据权利要求3所述的检索方法，其特征在于，步骤2中，所述预定标准包括以下至少之一：

选择相似性得分高于预定值的图像、按照输出顺序选择预定数量的图像、剔除与现场采集的鞋底痕迹花纹图像具有明显差异的图像。

5.根据权利要求3所述的检索方法，其特征在于，步骤a包括：

步骤a1，获取现场采集到的鞋底痕迹花纹图像的二值图；

步骤a2，对图像的二值图进行傅里叶变换，取其幅值，得到该图像的二值图的频谱；

步骤a3，构建滤波器，对所述频谱进行特征选择滤波；

步骤a4，对滤波后的频谱进行极坐标变换；

步骤a5，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，滤波结果作为图像的二值图的频谱特征。

6.根据权利要求3所述的检索方法，其特征在于，步骤b包括：

步骤b1，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b2，对图像的二值图进行傅里叶变换，取其幅值，得到该图像的二值图的频谱；

步骤b3，构建滤波器，对该频谱进行特征选择滤波；

步骤b4，对滤波后的频谱进行极坐标变换；

步骤b5，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，滤波结果作为所述图像的二值图的频谱特征；

步骤b6，存储所述图像的二值图的频谱特征。

7.根据权利要求3至6中任一项所述的检索方法，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，脚掌部分占整个鞋底痕迹花纹图像的60%，脚跟部分占整个鞋底痕迹花纹图像的40%。

8.根据权利要7所述的检索方法，其特征在于，所述计算所述平均频谱特征与所述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：

分别计算图像的脚掌部分的占空比、与脚跟部分的占空比，其中，所述脚掌部分的占空比为脚掌部分足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足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；

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，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为At、脚跟部分的占空比为Ab,预先存储于样本图像库中的图像的脚掌部分的占空比为Bt、脚跟部分的占空比Bb，给定阈值T，范围为0<T<0.1，情况一，若At＞T且Bt＞T，则Rt为新的特征的脚掌部分与所述样本图像库中预先存储的足迹图像脚掌部分的频谱特征的相关系数；情况二，脚掌占空比的其他情况，则Rt=0；情况三，若Ab＞T且Bb＞T，则Rb为新的特征的脚跟部分与所述样本图像库中预先存储的足迹图像脚跟部分的频谱特征的相关系数；情况四，脚跟占空比的其他情况，则Rb=0；

图像整体相似性得分R的计算方式包括：情况一，若Rt＞0且Rb＞0，则R＝(Rt+Rb)/2；情况二，若Rt＞0且Rb＝0，则R＝Rt；情况三，若Rb＞0且Rt＝0，则R＝Rb；情况四，若Rt＝0且Rb＝0，则R＝0。

9.根据权利要求8所述的检索方法，其特征在于，相关系数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，并且，相关系数Rb的计算方法与Rt相类似。

10.根据权利要求1所述的检索方法，其特征在于，进一步包括：

分别计算所述的平均频谱特征与样本图像库中图像的频谱特征的相似性得分、以及平均竖直中心镜像频谱特征与样本图像库的频谱特征的相似性得分，取两者的最大值作为此图像的最终相似性得分，将现场采集到的鞋底痕迹花纹图像与样本图像库中每一个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图像，其中，平均频谱特征指：在选择的图像中与现场采集到的鞋底痕迹花纹图像同侧图像的频谱特征和与现场采集到的鞋底痕迹花纹图像异侧图像竖直中心镜像后的图像的频谱特征求平均，得出平均频谱特征；平均竖直中心镜像频谱特征指：在选择的图像中与现场采集到的鞋底痕迹花纹图像异侧图像的频谱特征、和与现场采集到的鞋底痕迹花纹图像同侧图像竖直中心镜像后的图像的频谱特征求平均，得出平均竖直中心镜像频谱特征。