足迹因其广泛性、唯一性、稳定性和可采集性,一直在刑侦领域占据重要地位。其中,形态特征是足迹识别中最重要、使用最频繁的特征,足迹专家可以根据足迹图像的形态特征推算出身高、体重、性别等身份信息,缩小侦察范围。近年来,足迹识别领域开始被更多的团队关注,关于足迹形态特征的研究也越来越深入。然而,现阶段对于足迹形态特征的研究都是基于完整清晰足迹图像的,案发现场提取的足迹图像大多不满足现阶段研究的质量要求。如何从带噪声或不完整的足迹图像中有效地提取形态特征,是一个亟需解决的问题。针对上述问题,本文采用了一种两阶段形态特征提取算法:首先通过深度学习技术从带噪声或不完整的图像中提取置信度高的完整足迹轮廓图像,再从轮廓图像中自动提取足迹形态特征。本文的主要研究内容可以分为以下三个方面:（1）采用了一种基于GAN网络的光学赤足图像轮廓提取算法,能有效地从低质量的赤足图像中提取完整的轮廓图像,并消除原图中的噪声。该算法在Cycle GAN网络的框架下实现,拥有两个方向相反的生成器和两个判别器,通过将原图转换为轮廓图像再转换为赤足图像,计算两次转换得到的图像和原图之间的距离,使网络拥有对残缺图像补全能力的同时,能够擦除原图中的噪声。同时为了提升网络轮廓提取的效果,在网络中融合了谱归一化机制和自注意力机制,谱归一化机制可以限制训练过程中权重矩阵的变化幅度,避免网络训练过程中出现模式坍塌的问题,自注意力机制可以引导网络关注足迹图像结构之间的对应信息,提高网络对重点区域的关注度。通过实验证明,该网络能够有效解决低质量原图的轮廓提取问题。为了量化网络提取轮廓的能力,本文还采用了一种新的评价光学赤足图像轮廓提取算法效果的量化评价方法。（2）给出了一种从轮廓图像中自动提取足迹形态特征的方法,并定义了一个新的光学赤足图像形态特征集。该方法通过提取边缘轮廓后计算轮廓凸包来确定统一坐标系,在统一坐标系下自动标注特征点,最后自动提取足迹形态特征。有效避免了人工提取形态特征时主观因素对提取结果的影响。通过对形态特征特征筛选后进行身份检索实验,证明了使用本文两阶段形态特征提取算法提取形态特征的有效性。（3）目前在应用领域,足迹图像的形态特征一般需要人工手动提取,很容易受到提取人员主观情绪的影响。为了消除这种不定因素的影响,本文设计了光学赤足图像形态特征提取系统,该系统规范科学地对提取的光学赤足图像进行预处理后,提取轮廓或提取形态特征,可以有效减少人为操作带来的误差。