论文部分内容阅读
鞋印作为公安部的四大生物物证,对于案件的侦破和罪犯的认定都起着重要的作用,而对鞋印花纹图像检索又是鞋印物证分析中关键的一个环节。一方面对鞋印图像的检索可以为类似的花纹案件提够串案并查;同时另一方面,可以做嫌疑人库的信息排查,甚至作为中间桥梁连接不同现场。因此,对鞋印花纹图像的高效检索成为了目前鞋印物证分析中急需解决的关键问题之一。现场鞋印花纹图像由于受到周围环境和提取过程的影响,存在着大量的噪声和干扰,例如物体边缘参差不齐,图像纹理失真,出现大面积的图像残缺等问题。而且目前的常用的局部特征对噪声的敏感度较大,并不能很好的表现现场花纹图像的纹理形状等信息。因此,本在将传统的基于视觉词袋模型的图像检索算法应用到鞋印花纹图像的检索中时,结合了鞋印花纹图像本身的特点和存在的问题,对算法进行了改进,并且提出了一种新的局部特征,主要工作如下:(1)提出了一种新的基于Sobel算子的局部特征根据鞋印花纹图像本身特点,本文提出了一种新的的局部特征:边缘方向特征。边缘方向局部特征它可以基于Sobel算子有效的提取二值化后纹理图像的梯度信息,并通过最小二乘法计算出局部区域的梯度方向信息,并进行直方图统计,最终得到局部特征,并使用DirFT算法对局部特征进行再次编码。通过实验表明,该局部特征相比之前使用的SIFT特征,能够有效的提高实验结果。(2)基于视觉词袋模型的鞋印花纹图像检索算法针对现场鞋印图片中出现大量图像残缺的情况,本文提出了一种可以有效解决残缺图像相似性计算误差过大的算法:残缺模板算法。根据特征的占空比来判断图片残缺程度,在全局特征编码时将对应的生成一个残缺模板,在相似性计算时可以利用该残缺模板有效的降低残缺图像对检索结果的影响。基于视觉词袋模型的传统的图像检索算法有着广泛的应用,本文将基于视觉词袋模型的检索算法应用到鞋印花纹图像的检索中,并且根据鞋印花纹图像的本身特点,对算法进行相应的改进。本文成功将传统的基于视觉词袋的图像检索算法应用于鞋印花纹图像中,例如稀疏约束金字塔匹配(SCSPM)算法,相较于其他的鞋印花纹图像的检索算法,实验效果有一定的提升。