鞋印图像是非常重要的证据,可用于嫌疑人的推断和相似案件的关联。然而,随着案件的增多,从现场获取的鞋印图像越来越多并且这些数据没有标签。目前,基于内容的鞋印图像自动聚类技术往往使用底层特征表示,但由于语义鸿沟导致聚类结果错误,达不到主客观聚类的一致性。人工标记虽然精度高,但过于浪费人力与物力。故本文将自动标注和人工标注相结合,提出了基于交互式语义信息嵌入的鞋印图像聚类算法。本文的主要工作如下:1)提出了基于聚类引导的在线少标签语义属性预测算法。在基于内容的鞋印图像聚类结果的基础上,自动选择少量代表性样本进行交互式语义属性的标注。通过这些有语义属性的样本在线进行属性的学习,训练出语义属性分类器进而预测出无属性标注样本的属性。在鞋印数据集上进行了实验,整体属性预测的正确率在70%以上。2)提出了基于语义属性嵌入的鞋印图像聚类算法。语义属性是将高层特征和底层特征联系起来的桥梁,将语义属性嵌入到鞋印图像聚类的整个流程中,通过语义属性的引导进行聚类结果再划分和再合并,从而减少语义鸿沟,得到更符合用户需求的聚类结果。在鞋印数据集上进行了实验,F值达到80.37%,纯度达到98.50%。3)提出了基于多级图表示和语义属性嵌入的鞋印图像聚类算法。传统的鞋印图像表示只基于单幅图像的内容特征,忽略了鞋印之间的关系以及鞋印的语义属性。本文将图像的特征、图像之间的关系、图像的语义属性三者结合起来形成图像的多级图表示,再将鞋印的多级图表示引入到基于语义属性嵌入的鞋印图像聚类算法中。在鞋印数据集上进行了实验,F值达到83.07%,纯度达到98.76%。