作为犯罪现场痕迹之一,鞋印痕迹在刑侦当中有着很高的参考价值。在犯罪现场的复杂环境中准确提取鞋印花纹是后续鞋印检索等任务的基础和关键。本文的主要目的是处理采集的犯罪现场鞋印图像,并提取准确的鞋印花纹图像。基于此目的,本文对复杂背景下鞋印花纹提取算法进行了研究:(1)给出了复杂背景下鞋印花纹提取算法总体思路针对现有的现场鞋印花纹提取算法当中存在的不足,给出了复杂背景下的鞋印花纹提取算法的总体框架。该框架包括:鞋印图像的区域特征提取算法、基于随机游走的花纹候选区域提取算法、鞋印图像后处理算法三大部分。(2)给出了现场鞋印图像的区域特征提取算法针对复杂背景下鞋印图像花纹承痕场景多样,为了提取稳定的花纹区域特征,给出了鞋印图像的区域特征提取算法。首先将鞋印图像进行超像素分割,由于花纹具有镂空不连续的特性,含有花纹的超像素区域中会有少量的背景残余,为了减少冗余信息的干扰,准确的描述区域中花纹的特征,通过建立局部自适应梯度阈值模型提取区域中梯度特征,结合梯度与颜色信息来描述区域特征。(3)给出了基于随机游走的花纹候选区域提取算法通过对复杂背景下现场花纹鞋印图像的特性分析可知,图像中背景多样且不均一,导致直接在原图中提取花纹往往效果不理想,所以本文对花纹提取的过程分层次进行。首先提取到花纹候选区域,去除大多数的背景噪声干扰。本文对随机游走的分类方式进行改进。结合加权K-近邻的分类思想提高随机游走对区域分类结果的准确性,从而提高花纹候选区域提取结果的效果。(4)给出了鞋印图像后处理算法复杂背景下存在花纹整体对比度不均匀,部分图像花纹处于阴影下导致局部花纹不明显,且镂空花纹间有残余背景噪声。所以有必要对提取的花纹候选区域进行图像增强,拉大花纹与残余背景的对比度。本文结合形态学梯度信息和多尺度top-hat变换实现自适应的图像增强。该方法可以自适应的增强花纹与周围背景之间的对比度,并抑制噪声的放大,从而保持鞋印花纹整体增强效果均匀。本文采用公安机关提供的背景复杂的鞋印数据集中随机选取100幅鞋印图像作为测试数据,使用三个指标判定性能。由实验验证本文算法是一种有效的鞋印花纹提取算法。