CN109902749A - 一种鞋印识别方法及系统 - Google Patents

一种鞋印识别方法及系统 Download PDF

Info

Publication number
CN109902749A
CN109902749A CN201910159253.6A CN201910159253A CN109902749A CN 109902749 A CN109902749 A CN 109902749A CN 201910159253 A CN201910159253 A CN 201910159253A CN 109902749 A CN109902749 A CN 109902749A
Authority
CN
China
Prior art keywords
pixel
filtered
judging result
shoes
obtains
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910159253.6A
Other languages
English (en)
Inventor
李孟歆
孙艺桐
金风
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Jianzhu University
Original Assignee
Shenyang Jianzhu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang Jianzhu University filed Critical Shenyang Jianzhu University
Priority to CN201910159253.6A priority Critical patent/CN109902749A/zh
Publication of CN109902749A publication Critical patent/CN109902749A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)
  • Character Input (AREA)

Abstract

本发明公开了一种鞋印识别方法及系统。本发明的鞋印识别方法法包括如下步骤:获取鞋印图像;对鞋印图像进行混合滤波处理,将滤波后的图像划分成多个图像块,并计算每个图像块的局部二值模式算子直方图特征,在进行合成,得到整体直方图特征;计算整体直方图特征与鞋印样本库中图像的直方图特征的相似度值;根据所述相似度值进行鞋印图像的识别。本发明的鞋印识别方法采取均值滤波和中值滤波相结合的混合滤波方法,将鞋印图像中不同的噪声进行分类去噪,然后采用分块的方式提取鞋印图像的特征,从而提高鞋印图像的识别率。

Description

一种鞋印识别方法及系统
技术领域
本发明涉及鞋印识别领域,特别涉及一种鞋印识别方法及系统。
背景技术
鞋印作为犯罪现场出现率和利用率最高,并且利用现场采集的遗留鞋印可提取有效的特征,快速排查嫌疑人。
当前现场足迹分析工作的情况而言,更多趋向于人为分析。该模式受侦办人员主观因素影响,对遗留信息的分析依赖于办案人员的业务能力,并且在采集现场足迹信息过程中因环境光照不足,设备、鞋印还原度不足等原因导致采集结果包含大量噪声污染,进而导致感官上的劣化,对使用者对其信息的判断和提取产生严重干扰,使分析结果具有局限性。除此之外,在刑侦人员实际利用鞋印图像的时候会受到许多环境等因素的限制,从而会造成鞋印图像提取质量的降低,无法从中获取有用的信息。考虑到鞋印图像在刑侦领域的重要性,如何提高现场采集到的鞋印图像的识别率成为一个亟待解决的技术问题。
发明内容
本发明的目的是提供一种鞋印识别方法及系统,以提高现场采集到的鞋印图像的识别率。
为实现上述目的,本发明提供了如下方案:
本发明提供一种鞋印识别方法,所述鞋印识别方法法包括如下步骤:
获取鞋印图像;
对所述鞋印图像进行混合滤波处理,获得滤波后的图像,所述混合滤波包括均值滤波和中值滤波;
将所述滤波后的图像划分成多个图像块,并计算每个图像块的局部二值模式算子直方图特征,得到多个局部二值模式算子直方图特征;
将多个所述局部二值模式算子直方图特征合成,得到整体直方图特征;
计算所述整体直方图特征与鞋印样本库中图像的直方图特征的相似度值;
根据所述相似度值进行鞋印图像的识别。
可选的,所述对所述鞋印图像进行混合滤波处理,获得滤波后的图像,具体包括:
将所述鞋印图像的第一个像素点设置为待滤波像素点;
判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果;
若所述第一判断结果表示所述待滤波像素点受到椒盐噪声污染,则对所述待滤波像素点进行中值滤波处理;
若所述第一判断结果表示所述待滤波像素点没有受到椒盐噪声污染,则判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果;
若所述第二判断结果表示所述带滤波像素点受到高斯噪声污染,对所述待滤波像素点进行均值滤波处理;
判断是否处理完成所述鞋印图像中的所有像素点,得到第三判断结果;
若所述第三判断结果表示没有处理完成所述鞋印图像中的所有像素点,则将下一个像素点设置为待滤波像素点,返回步骤“判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果”;
若所述第三判断结果表示处理所述鞋印完成所述鞋印图像中的所有像素点,则输出滤波后的图像。
可选的,所述判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果,具体包括:
采用5×5滤波模板判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果。
可选的,所述采用5×5滤波模板判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果,具体包括:
判断所述5×5滤波模板中心的像素点的灰度值是否在最小预设阈值和最小预设阈值之间,得到第四判断结果;
若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值在最小预设阈值和最小预设阈值之间,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染;
若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值没有在最小预设阈值和最小预设阈值之间,则计算所述5×5滤波模板中所述待滤波像素点的灰度值与所述待滤波像素点相邻的像素点的灰度值的差值,得到第一差值;
判断所述第一差值是否大于第一预设阈值,得到第五判断结果;
若所述第五判断结果表示所述第一差值大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点受到椒盐噪声污染;
若所述第五判断结果表示所述第一差值不大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染。
可选的,所述判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果,具体包括:
采用3×3滤波模板判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果。
可选的,所述采用3×3滤波模板判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果,具体包括:
比较所述3×3滤波模板中像素点的灰度值,得到最大灰度值和最小灰度值;
计算所述最大灰度值和所述最小灰度值的差值,得到第二差值;
判断所述第二差值是否大于第二预设阈值,得到第六判断结果;
若所述第六判断结果表示所述第二差值大于第二预设阈值,则将所述第二判断结果设置为所述待滤波像素点受到高斯噪声污染
若所述第六判断结果表示所述第二差值不大于第二预设阈值,则将所述第二判断结果设置为所述待滤波像素点没有受到高斯噪声污染。
一种鞋印识别系统,所述鞋印识别系统包括:
图像获取模块,用于获取鞋印图像;
滤波处理模块,用于对所述鞋印图像进行混合滤波处理,获得滤波后的图像,所述混合滤波包括均值滤波和中值滤波;
图像划分模块,用于将所述滤波后的图像划分成多个图像块,并计算每个图像块的局部二值模式算子直方图特征,得到多个局部二值模式算子直方图特征;
合成模块,用于将多个所述局部二值模式算子直方图特征合成,得到整体直方图特征;
相似度值计算模块,用于计算所述整体直方图特征与鞋印样本库中图像的直方图特征的相似度值;
识别模块,用于根据所述相似度值进行鞋印图像的识别。
可选的,所述滤波处理模块,具体包括:
初始化子模块,用于将所述鞋印图像的第一个像素点设置为待滤波像素点;
第一判断子模块,用于判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果;
第一判断结果处理子模块,用于若所述第一判断结果表示所述待滤波像素点受到椒盐噪声污染,则对所述待滤波像素点进行中值滤波处理;
第二判断子模块,用于若所述第一判断结果表示所述待滤波像素点没有受到椒盐噪声污染,则判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果;
第二判断结果处理子模块,用于若所述第二判断结果表示所述带滤波像素点受到高斯噪声污染,对所述待滤波像素点进行均值滤波处理;
第三判断子模块,用于判断是否处理完成所述鞋印图像中的所有像素点,得到第三判断结果;
第三判断结果处理子模块,用于若所述第三判断结果表示没有处理完成所述鞋印图像中的所有像素点,则将下一个像素点设置为待滤波像素点,调用第一判断子模块,执行步骤“判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果”;若所述第三判断结果表示处理所述鞋印完成所述鞋印图像中的所有像素点,则输出滤波后的图像。
可选的,所述第一判断子模块,具体包括:
第一判断单元,用于采用5×5滤波模板判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果。
可选的,所述第一判断单元,具体包括:
第四判断子单元,用于判断所述5×5滤波模板中心的像素点的灰度值是否在最小预设阈值和最小预设阈值之间,得到第四判断结果;
第四判断结果处理子单元,用于若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值在最小预设阈值和最小预设阈值之间,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染;若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值没有在最小预设阈值和最小预设阈值之间,则计算所述5×5滤波模板中所述待滤波像素点的灰度值与所述待滤波像素点相邻的像素点的灰度值的差值,得到第一差值;
第五判断子单元,用于判断所述第一差值是否大于第一预设阈值,得到第五判断结果;
第五判断结果处理子单元,用于若所述第五判断结果表示所述第一差值大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点受到椒盐噪声污染;若所述第五判断结果表示所述第一差值不大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种鞋印识别方法及系统。本发明的鞋印识别方法采取均值滤波和中值滤波相结合的混合滤波方法,将鞋印图像中不同的噪声进行分类去噪,然后采用分块的方式提取鞋印图像的特征,从而提高鞋印图像的识别率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一种鞋印识别方法的流程图;
图2为本发明提供的混合滤波处理的流程图;
图3为本发明提供的将滤波后的图像划分成多个图像块的划分方法示意图;
图4为本发明提供的足迹采集仪的实物图;
图5为本发明提供的足迹采集仪采集的鞋印图像;
图6为本发明提供的采用改进的LBP算子提取鞋印特征的示意图;
图7为本发明提供的鞋印识别实验的鞋印识别方法的流程图;
图8为本发明提供的鞋印识别实验的识别结果示意图;
图9为本发明提供的一种鞋印识别系统的结构示意图。
具体实施方式
本发明的目的是提供一种鞋印识别方法及系统,以提高现场采集到的鞋印图像的识别率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对发明作进一步详细的说明。
实施例1
本发明实施例1提供一种鞋印识别方法。
如图1所示,所述鞋印识别方法法包括如下步骤:
步骤101,获取鞋印图像;步骤102,对所述鞋印图像进行混合滤波处理,获得滤波后的图像,所述混合滤波包括均值滤波和中值滤波;步骤103,将所述滤波后的图像划分成多个图像块,并计算每个图像块的局部二值模式算子直方图特征,得到多个局部二值模式算子直方图特征;步骤104,将多个所述局部二值模式算子直方图特征合成,得到整体直方图特征;步骤105,计算所述整体直方图特征与鞋印样本库中图像的直方图特征的相似度值;步骤106,根据所述相似度值进行鞋印图像的识别。
实施例2
本发明实施例2提供一种鞋印识别方法的优选的实施方式,但是本发明的实施不限于本发明实施例2所限定的实施方式。
本发明根据鞋印图像的噪声特点,采用均值滤波和中值滤波对两种噪声的去除各有侧重,单独使用时对同时含有高斯噪声和椒盐噪声的图像的处理并不理想。如果能找到某种像素值规则,将受不同噪声污染的区域采用不同的滤波方式进行去噪,会得到更理想的去噪效果。根据鞋印图像中常见的高斯噪声和椒盐噪声,本发明采用了一种基于混合滤波的鞋印图像滤波方法,具体的,如图2所示,步骤102所述对所述鞋印图像进行混合滤波处理,获得滤波后的图像,具体包括:将所述鞋印图像的第一个像素点设置为待滤波像素点,对图像的第一个像素点滤波;判断所述待滤波像素点是否受到椒盐噪声污染(受到椒盐噪声污染为含有椒盐噪声),得到第一判断结果;若所述第一判断结果表示所述待滤波像素点受到椒盐噪声污染,则对所述待滤波像素点进行中值滤波处理;若所述第一判断结果表示所述待滤波像素点没有受到椒盐噪声污染,则判断所述待滤波像素点是否受到高斯噪声污染(受到高斯噪声污染为含有高斯噪声),得到第二判断结果;若所述第二判断结果表示所述带滤波像素点受到高斯噪声污染,对所述待滤波像素点进行均值滤波处理;判断是否处理完成所述鞋印图像中的所有像素点,得到第三判断结果;若所述第三判断结果表示没有处理完成所述鞋印图像中的所有像素点,则将下一个像素点设置为待滤波像素点,返回步骤“判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果”;若所述第三判断结果表示处理所述鞋印完成所述鞋印图像中的所有像素点,则输出滤波后的图像。
其中,所述判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果包括:采用5×5滤波模板判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果,具体的,判断所述5×5滤波模板中心的像素点的灰度值是否在最小预设阈值和最小预设阈值之间,得到第四判断结果;若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值在最小预设阈值和最小预设阈值之间,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染;若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值没有在最小预设阈值和最小预设阈值之间,则计算所述5×5滤波模板中所述待滤波像素点的灰度值与所述待滤波像素点相邻的像素点的灰度值的差值,得到第一差值;判断所述第一差值是否大于第一预设阈值,得到第五判断结果;若所述第五判断结果表示所述第一差值大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点受到椒盐噪声污染;若所述第五判断结果表示所述第一差值不大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染。进一步的,首先选择5×5滤波模板来确定待滤波像素点是否受到椒盐噪声的污染,如果同时满足所述5×5滤波模板中心的像素点的灰度值很大或者很小(不在最小预设于阈值和最大预设阈值之间)和待滤波像素点的灰度值与其相邻的像素点的灰度值的差值大于第一预设阈值的两个条件时,则可以判定此检测点受到椒盐噪声的污染。
所述判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果,包括:采用3×3滤波模板判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果。具体的,比较所述3×3滤波模板中像素点的灰度值,得到最大灰度值和最小灰度值;计算所述最大灰度值和所述最小灰度值的差值,得到第二差值;判断所述第二差值是否大于第二预设阈值,得到第六判断结果;若所述第六判断结果表示所述第二差值大于第二预设阈值,则将所述第二判断结果设置为所述待滤波像素点受到高斯噪声污染;若所述第六判断结果表示所述第二差值不大于第二预设阈值,则将所述第二判断结果设置为所述待滤波像素点没有受到高斯噪声污染。进一步的,选用3×3滤波模板来判断带滤波像素点是否受到高斯噪声的污染,判定的依据是判断3×3滤波模板内像素的灰度值变化是否较大,若变化较大,则为高斯噪声,采用均值滤波的算法进行滤波处理。若不满足上述要求,那么该待滤波像素点没有受到高斯噪声污染。
传统的局部二值模式算子(Local Binary Pattern,LBP)是运用于整个图像当中,这样鞋印图像的一些纹理细节会被忽略,这可能会影响相似度的判定结果和识别率,针对这种现象,本发明首先对滤波后的图像进行划分,划分方式如图3所示,按照生物特征比例将鞋印图像均匀分块,然后计算每小块鞋印图像(图像块)的LBP算子直方图特征,最后再将全部小块的直方图特征整合成一个特征,该特征向量即为整幅鞋印图像最终的LBP直方图特征。最后在进行鞋印图像的匹配时,计算整体直方图特征与鞋印样本库中图像的直方图特征的相似度值,完成鞋印的识别工作。
实施例3
本发明实施例3提供一种鞋印识别方法的验证方法,以验证本发明的鞋印识别方法的有效性。
为了验证本发明的鞋印识别方法的滤波效果和特征提取算法的有效性和衡量本发明的鞋印识别方法的识别性能,在自建的鞋印库中做了相关实验。采集设备采用的大连恒锐有限公司的足迹采集仪,如图4所示。本发明的鞋印样本库是通过足迹采集仪采集的100张鞋印图像。该100张鞋印图像是由50只不同鞋底的鞋在两个时间段采集的两张鞋印图像。足迹采集仪部分采集的图像如图5所示。将相对应的鞋印进行相同的命名,例如第一幅鞋印图像记为4.1,那么相同鞋底踩出来的第二幅鞋印图像记为4.2,如此类推。
将信噪比改善因子ISNR作为滤波性能的评判标准,该值为负,说明滤波后噪声被抑制了,该值越小,说明滤波性能越好。采用均值滤波算法、终止滤波算法和本发明的混合滤波算法的实验结果如表1所示,实验结果表明混合滤波算法的去噪效果对于混合噪声来说去噪效果更好。
表1不同滤波算法性能比较表
本发明针对直接应用局部二值模式算子(Local Binary Pattern,LBP)影响识别率的问题,对整幅鞋印图像直接进行LBP算子提取特征这一传统方法进行了改进。图6为改进的LBP鞋印特征提取示意图。
搭建实验环境进行鞋印识别实验,本发明在Intel i5CPU 3.2GHZ内存8GB平台上采用Windows 7系统下的MATLABR2014b库进行算法编写和实验。图7为鞋印识别框图。
利用传统LBP和改进的分块LBP算子模型提取鞋印图像特征后,采用巴氏距离的判定方法,将全部鞋印图像与待匹配图像进行相似度的计算,将相似度最大的鞋印图像显示出来,作为匹配的结果。表2为不同LBP算子模型的在相似度与时间上的比较,其中,编号4.1的鞋印图像与编号4.2的鞋印图像是同一只踩出来的两个图像。图8为匹配结果。
表2不同LBP算子模型的在相似度与时间上的比较表
分别采用传统的LBP和改进的分块LBP完成鞋印的识别实验并计算识别率和识别时间,进行两种算法之间的比较,结果如表3所示。
表3不同LBP算子模型的在识别率与识别时间上的比较表
算子模型 识别率(%) 识别时间(s)
LBP 90 0.7756
分块LBP 95 0.4585
通过表2可知,本发明的先分块再合成的改进的LBP算法比传统的LBP算法的识别率更高,识别时间更短。
实施例4
本发明实施例4提供一种鞋印识别系统。
如图9所示,所述鞋印识别系统包括:
图像获取模块901,用于获取鞋印图像;
滤波处理模块902,用于对所述鞋印图像进行混合滤波处理,获得滤波后的图像,所述混合滤波包括均值滤波和中值滤波;
图像划分模块903,用于将所述滤波后的图像划分成多个图像块,并计算每个图像块的局部二值模式算子直方图特征,得到多个局部二值模式算子直方图特征;
合成模块904,用于将多个所述局部二值模式算子直方图特征合成,得到整体直方图特征;
相似度值计算模块905,用于计算所述整体直方图特征与鞋印样本库中图像的直方图特征的相似度值;
识别模块906,用于根据所述相似度值进行鞋印图像的识别。
实施例5
本发明实施例5提供一种鞋印识别系统的优选的实施方式,但是本发明的实施不限于本发明实施例5所限定的实施方式。
所述滤波处理模块902,具体包括:初始化子模块,用于将所述鞋印图像的第一个像素点设置为待滤波像素点;第一判断子模块,用于判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果;第一判断结果处理子模块,用于若所述第一判断结果表示所述待滤波像素点受到椒盐噪声污染,则对所述待滤波像素点进行中值滤波处理;具体的,所述第一判断子模块,具体包括:第一判断单元,用于采用5×5滤波模板判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果。其中,所述第一判断单元,具体包括:第四判断子单元,用于判断所述5×5滤波模板中心的像素点的灰度值是否在最小预设阈值和最小预设阈值之间,得到第四判断结果;第四判断结果处理子单元,用于若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值在最小预设阈值和最小预设阈值之间,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染;若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值没有在最小预设阈值和最小预设阈值之间,则计算所述5×5滤波模板中所述待滤波像素点的灰度值与所述待滤波像素点相邻的像素点的灰度值的差值,得到第一差值;第五判断子单元,用于判断所述第一差值是否大于第一预设阈值,得到第五判断结果;第五判断结果处理子单元,用于若所述第五判断结果表示所述第一差值大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点受到椒盐噪声污染;若所述第五判断结果表示所述第一差值不大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染。第二判断子模块,用于若所述第一判断结果表示所述待滤波像素点没有受到椒盐噪声污染,则判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果;第二判断结果处理子模块,用于若所述第二判断结果表示所述带滤波像素点受到高斯噪声污染,对所述待滤波像素点进行均值滤波处理;第三判断子模块,用于判断是否处理完成所述鞋印图像中的所有像素点,得到第三判断结果;第三判断结果处理子模块,用于若所述第三判断结果表示没有处理完成所述鞋印图像中的所有像素点,则将下一个像素点设置为待滤波像素点,调用第一判断子模块,执行步骤“判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果”;若所述第三判断结果表示处理所述鞋印完成所述鞋印图像中的所有像素点,则输出滤波后的图像。
传统的单一滤波去噪无法针对性地去除图像中的不同噪声,导致去噪效果无法达到要求。而在本发明中使用的混合滤波是将鞋印图像中的像素分成三类:受椒盐噪声污染的像素、受高斯噪声污染的像素以及未受噪声污染的像素。该算法根据椒盐噪声和高斯噪声的不同特点,选取不同尺寸的滤波模板,采用中值滤波算法和均值滤波算法相结合的方法对含噪鞋印图像进行了降噪处理,获得了较好的滤波效果。
针对传统LBP算法直接对整幅图像进行特征提取,易忽略局部细节特征这一问题,提出了改进的LBP特征提取算法。本算法先是按照生物特征比例将鞋印图像均匀分块,然后提取每一块鞋印图像的LBP直方图特征,之后叠加每一块的直方图作为最终的鞋印图像的直方图特征,最后计算出相似度,完成鞋印的识别实验。提高了鞋印图像的识别率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

Claims (10)

1.一种鞋印识别方法,其特征在于,所述鞋印识别方法法包括如下步骤:
获取鞋印图像;
对所述鞋印图像进行混合滤波处理,获得滤波后的图像,所述混合滤波包括均值滤波和中值滤波;
将所述滤波后的图像划分成多个图像块,并计算每个图像块的局部二值模式算子直方图特征,得到多个局部二值模式算子直方图特征;
将多个所述局部二值模式算子直方图特征合成,得到整体直方图特征;
计算所述整体直方图特征与鞋印样本库中图像的直方图特征的相似度值;
根据所述相似度值进行鞋印图像的识别。
2.根据权利要求1所述的鞋印识别方法,其特征在于,所述对所述鞋印图像进行混合滤波处理,获得滤波后的图像,具体包括:
将所述鞋印图像的第一个像素点设置为待滤波像素点;
判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果;
若所述第一判断结果表示所述待滤波像素点受到椒盐噪声污染,则对所述待滤波像素点进行中值滤波处理;
若所述第一判断结果表示所述待滤波像素点没有受到椒盐噪声污染,则判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果;
若所述第二判断结果表示所述带滤波像素点受到高斯噪声污染,对所述待滤波像素点进行均值滤波处理;
判断是否处理完成所述鞋印图像中的所有像素点,得到第三判断结果;
若所述第三判断结果表示没有处理完成所述鞋印图像中的所有像素点,则将下一个像素点设置为待滤波像素点,返回步骤“判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果”;
若所述第三判断结果表示处理所述鞋印完成所述鞋印图像中的所有像素点,则输出滤波后的图像。
3.根据权利要求2所述的鞋印识别方法,其特征在于,所述判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果,具体包括:
采用5×5滤波模板判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果。
4.根据权利要求2所述的鞋印识别方法,其特征在于,所述采用5×5滤波模板判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果,具体包括:
判断所述5×5滤波模板中心的像素点的灰度值是否在最小预设阈值和最小预设阈值之间,得到第四判断结果;
若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值在最小预设阈值和最小预设阈值之间,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染;
若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值没有在最小预设阈值和最小预设阈值之间,则计算所述5×5滤波模板中所述待滤波像素点的灰度值与所述待滤波像素点相邻的像素点的灰度值的差值,得到第一差值;
判断所述第一差值是否大于第一预设阈值,得到第五判断结果;
若所述第五判断结果表示所述第一差值大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点受到椒盐噪声污染;
若所述第五判断结果表示所述第一差值不大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染。
5.根据权利要求2所述的鞋印识别方法,其特征在于,所述判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果,具体包括:
采用3×3滤波模板判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果。
6.根据权利要求5所述的鞋印识别方法,其特征在于,所述采用3×3滤波模板判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果,具体包括:
比较所述3×3滤波模板中像素点的灰度值,得到最大灰度值和最小灰度值;
计算所述最大灰度值和所述最小灰度值的差值,得到第二差值;
判断所述第二差值是否大于第二预设阈值,得到第六判断结果;
若所述第六判断结果表示所述第二差值大于第二预设阈值,则将所述第二判断结果设置为所述待滤波像素点受到高斯噪声污染;
若所述第六判断结果表示所述第二差值不大于第二预设阈值,则将所述第二判断结果设置为所述待滤波像素点没有受到高斯噪声污染。
7.一种鞋印识别系统,其特征在于,所述鞋印识别系统包括:
图像获取模块,用于获取鞋印图像;
滤波处理模块,用于对所述鞋印图像进行混合滤波处理,获得滤波后的图像,所述混合滤波包括均值滤波和中值滤波;
图像划分模块,用于将所述滤波后的图像划分成多个图像块,并计算每个图像块的局部二值模式算子直方图特征,得到多个局部二值模式算子直方图特征;
合成模块,用于将多个所述局部二值模式算子直方图特征合成,得到整体直方图特征;
相似度值计算模块,用于计算所述整体直方图特征与鞋印样本库中图像的直方图特征的相似度值;
识别模块,用于根据所述相似度值进行鞋印图像的识别。
8.根据权利要求7所述的鞋印识别系统,其特征在于,所述滤波处理模块,具体包括:
初始化子模块,用于将所述鞋印图像的第一个像素点设置为待滤波像素点;
第一判断子模块,用于判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果;
第一判断结果处理子模块,用于若所述第一判断结果表示所述待滤波像素点受到椒盐噪声污染,则对所述待滤波像素点进行中值滤波处理;
第二判断子模块,用于若所述第一判断结果表示所述待滤波像素点没有受到椒盐噪声污染,则判断所述待滤波像素点是否受到高斯噪声污染,得到第二判断结果;
第二判断结果处理子模块,用于若所述第二判断结果表示所述带滤波像素点受到高斯噪声污染,对所述待滤波像素点进行均值滤波处理;
第三判断子模块,用于判断是否处理完成所述鞋印图像中的所有像素点,得到第三判断结果;
第三判断结果处理子模块,用于若所述第三判断结果表示没有处理完成所述鞋印图像中的所有像素点,则将下一个像素点设置为待滤波像素点,调用第一判断子模块,执行步骤“判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果”;若所述第三判断结果表示处理所述鞋印完成所述鞋印图像中的所有像素点,则输出滤波后的图像。
9.根据权利要求8所述的鞋印识别系统,其特征在于,所述第一判断子模块,具体包括:
第一判断单元,用于采用5×5滤波模板判断所述待滤波像素点是否受到椒盐噪声污染,得到第一判断结果。
10.根据权利要求9所述的鞋印识别系统,其特征在于,所述第一判断单元,具体包括:
第四判断子单元,用于判断所述5×5滤波模板中心的像素点的灰度值是否在最小预设阈值和最小预设阈值之间,得到第四判断结果;
第四判断结果处理子单元,用于若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值在最小预设阈值和最小预设阈值之间,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染;若所述第四判断结果表示所述5×5滤波模板中心的像素点的灰度值没有在最小预设阈值和最小预设阈值之间,则计算所述5×5滤波模板中所述待滤波像素点的灰度值与所述待滤波像素点相邻的像素点的灰度值的差值,得到第一差值;
第五判断子单元,用于判断所述第一差值是否大于第一预设阈值,得到第五判断结果;
第五判断结果处理子单元,用于若所述第五判断结果表示所述第一差值大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点受到椒盐噪声污染;若所述第五判断结果表示所述第一差值不大于第一预设阈值,则将所述第一判断结果设置为所述待滤波像素点没有受到椒盐噪声污染。
CN201910159253.6A 2019-03-04 2019-03-04 一种鞋印识别方法及系统 Pending CN109902749A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910159253.6A CN109902749A (zh) 2019-03-04 2019-03-04 一种鞋印识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910159253.6A CN109902749A (zh) 2019-03-04 2019-03-04 一种鞋印识别方法及系统

Publications (1)

Publication Number Publication Date
CN109902749A true CN109902749A (zh) 2019-06-18

Family

ID=66946197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910159253.6A Pending CN109902749A (zh) 2019-03-04 2019-03-04 一种鞋印识别方法及系统

Country Status (1)

Country Link
CN (1) CN109902749A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021057395A1 (zh) * 2019-09-29 2021-04-01 五邑大学 一种鞋跟型号识别方法、装置及存储介质
CN112633338A (zh) * 2020-12-14 2021-04-09 辽宁师范大学 基于鞋印的嫌疑人性别预测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423715A (zh) * 2017-07-31 2017-12-01 大连海事大学 一种基于多特征联合决策的脚印自动识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107423715A (zh) * 2017-07-31 2017-12-01 大连海事大学 一种基于多特征联合决策的脚印自动识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李孟歆 等: ""基于混合滤波LBP的鞋底足迹识别"", 《信息技术与信息化》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021057395A1 (zh) * 2019-09-29 2021-04-01 五邑大学 一种鞋跟型号识别方法、装置及存储介质
CN112633338A (zh) * 2020-12-14 2021-04-09 辽宁师范大学 基于鞋印的嫌疑人性别预测方法

Similar Documents

Publication Publication Date Title
CN115601374B (zh) 一种染色体图像分割方法
CN110503108B (zh) 违章建筑识别方法及装置、存储介质、计算机设备
CN103116763B (zh) 一种基于hsv颜色空间统计特征的活体人脸检测方法
CN106097379B (zh) 一种使用自适应阈值的图像篡改检测与定位方法
CN104700099B (zh) 识别交通标志的方法和装置
CN104166841B (zh) 一种视频监控网络中指定行人或车辆的快速检测识别方法
CN104486618B (zh) 视频图像的噪声检测方法及装置
JP2000003452A (ja) デジタル画像における顔面の検出方法、顔面検出装置、画像判定方法、画像判定装置およびコンピュ―タ可読な記録媒体
CN111832461B (zh) 一种基于视频流的非机动车骑行人员头盔佩戴检测方法
CN109858438B (zh) 一种基于模型拟合的车道线检测方法
CN107093175B (zh) 一种动力电池焊接质量检测方法
CN110378254B (zh) 车损图像修改痕迹的识别方法、系统、电子设备及存储介质
CN111612104A (zh) 车辆定损图像获取方法、装置、介质和电子设备
CN111091111A (zh) 一种车底危险目标识别方法
CN106702870A (zh) 一种道路裂缝检测系统
CN107622237A (zh) 一种电梯中目标的检测方法
CN111709305A (zh) 一种基于局部图像块的人脸年龄识别方法
CN110956157A (zh) 基于候选框选择的深度学习遥感影像目标检测方法及装置
CN108921006B (zh) 手写签名图像真伪鉴别模型建立方法及真伪鉴别方法
CN109902749A (zh) 一种鞋印识别方法及系统
CN110443790B (zh) 一种医学影像中软骨识别方法和识别系统
CN116343100B (zh) 一种基于自监督学习的目标识别方法及系统
CN115620117A (zh) 一种用于网络访问权限认证的人脸信息加密方法及系统
CN112396638A (zh) 一种图像处理方法、终端和计算机可读存储介质
Yuan et al. Multi-scale feature identification using evolution strategies

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190618