基于图像处理技术的鞋印识别是生物特征识别领域的一个重要研究方向。近年来鞋印识别技术在刑侦领域中得到了广泛的应用。鞋印识别技术是利用图像处理技术对案发现场所遗留的鞋印痕迹进行采集,识别及分析等工作,进而为案件的侦破提供可能。本文主要将图像处理技术应用于平面鞋印的识别当中。主要研究工作包括三个方面:第一:研究了基于混合滤波的鞋印图像滤波算法。基本思想是通过设定阈值将鞋印图像中的像素分成三类:受椒盐噪声污染的像素、受高斯噪声污染的像素以及未受噪声污染的像素。该算法根据椒盐噪声和高斯噪声的不同特点,选取不同尺寸的滤波模板,采用中值滤波算法和均值滤波算法相结合的方法对含噪鞋印图像进行了降噪处理。将信噪比改善因子ISNR作为滤波性能的判定指标,实验证明该滤波方法比单一使用中值和均值滤波时在处理鞋印图像方面有着更好的降噪效果。第二:研究了基于灰度共生矩阵的鞋印识别算法。通过研究灰度共生矩阵的定义及其特征值,发现计算出的特征值可以反应鞋印图像的纹理特点,并且该特征值可以作为鞋印识别的依据。本算法是通过计算鞋印图像在不同方向上的四个灰度共生矩阵特征值的平均值,将计算的平均值作为鞋印图像的特征,利用欧式距离完成鞋印的识别实验。实验结果证明基于灰度共生矩阵的鞋印图像识别是有效的。第三:提出了基于改进的LBP的鞋印识别算法。针对传统LBP算法直接对整幅图像进行特征提取,易忽略局部细节特征这一问题,提出了改进的LBP特征提取算法。本算法先是按照生物特征比例将鞋印图像均匀分块,然后提取每一块鞋印图像的LBP直方图特征,之后叠加每一块的直方图作为最终的鞋印图像的直方图特征,最后采用巴氏距离计算出相似度,完成鞋印的识别实验。将不同的LBP模型应用于鞋印匹配中,包括LBP模型、分块LBP模型、等价LBP模型以及分块等价LBP模型,通过计算识别率和识别时间比较不同模型间的差异。实验结果证明采用基于分块等价LBP算法的识别率可以达到95%,比传统的LBP算法的识别率提高了 5%。