鞋印是犯罪现场采获率最高的犯罪痕迹，利用鞋印图像侦破案件和并串相似案件是当今刑事侦破的主要技术手段之一。传统的鞋印识别方法是采用人工花纹分类编码和人工比对，效率低且受操作人员主观影响，严重阻碍鞋印图像在刑事侦破中的应用。 本文在综合分析鞋印图像处理和识别方法的基础上，提出基于底纹形状特征的犯罪现场鞋印图像识别方法。该方法以参考鞋印图像的局部底纹形状为特征，与数据库中的鞋印图像比对，按照形状匹配的相似度给出匹配距离。根据匹配距离对鞋印图像进行识别，以帮助刑侦做下一步的精确比对和判断。 本文提出的鞋印识别方法分别为基于Zernike矩的形状表示和识别方法以及基于边缘描述的形状表示和识别方法。 本文首先采用Zernike矩进行形状的表示和识别。该方法将鞋印表示为一系列不规则形状，通过插值对形状进行平移、尺度标准化，并将变换后的形状归一化到单位圆内计算各阶Zernike矩。利用Zernike矩重构原形状,依据各阶矩的重构能力进行特征选择，通过计算特征向量间的加权欧氏距离实现匹配。文中给出了该方法的详细实验结果和分析。 本文提出另一种基于边缘描述的形状表示和识别方法。该方法将形状边缘针对形状质心作极坐标变换，利用最大展开半径的模归一化变换数据以消除缩放的影响。在消除形状旋转影响方面，本文给出两种方法，即计算边缘极坐标展开角度，以最大展开半径的角度方向作为极坐标的零度方向的方法以及将边缘展开半径降序排列的方法。文中分别给出了相应实验结果和分析。实验证明，将边缘展开半径降序排列的方法在最终识别效果上要优于计算展开半径角度的方法。 本文使用科比生物识别技术公司提供的图像数据进行实验，并对上述两个形状识别算法做了比较。大量实验表明，两个算法在形状识别上都得到了很良好的效果，其正确率都在98％左右。但在算法复杂度上基于边缘描述的形状识别方法要优于基于Zernike矩的形状识别方法，因此更加具有应用性。