本文選題：鞋印花紋提取 + 交互式圖像分割��； 參考：《大連海事大學》2017年碩士論文

【摘要】：鞋印是犯罪現場中遺留率較高的重要物證之一,在環(huán)境復雜的犯罪現場中準確提取鞋印花紋是足跡識別技術中急需解決的問題之一。鞋印花紋提取的關鍵工作是將花紋區(qū)域從復雜的背景中分割出來,與其他類型圖像不同,現場鞋印圖像種類多并且背景復雜多樣,利用傳統的圖像分割方法很難得到理想的鞋印花紋分割結果。本文主要目的是對犯罪現場采集的鞋印圖像進行處理,得到準確無噪聲的鞋印花紋圖像。交互式圖像分割通過人機交互,在待分割圖像上進行一定的目標和背景標記,對圖像進行一定的先驗信息的分割指導,然后根據先驗信息建立分割算法模型,最后根據構建的模型得到目標分割結果�；诖四康谋疚膶换ナ浆F場鞋印花紋提取算法進行了研究,主要工作如下:1)給出了交互式現場鞋印花紋提取算法總體思路本文針對目前鞋印花紋提取算法存在的缺陷,給出了交互式現場鞋印花紋提取算法的總框架。該框架主要包括:結合鞋印圖像方向特征的區(qū)域合并算法、基于kNN的交互式圖像分割修正優(yōu)化以及基于多尺度形態(tài)學的圖像增強算法三大部分。2)給出了兼顧方向特性的區(qū)域合并算法根據分析現場鞋印圖像的特性,本算法以傳統的區(qū)域合并算法為基礎,根據方向場特征和顏色特征相結合的相似性度量方法得到相鄰區(qū)域的相似性,并結合用戶的交互獲取鞋印花紋的語義信息,給出了符合現場鞋印圖像的區(qū)域合并方法。3)給出了基于kNN的交互式圖像分割修正優(yōu)化算法本文根據傳統交互式圖像分割的局限性,將鞋印花紋提取的過程逐步進行。對區(qū)域合并得到的花紋提取結果不滿意時,利用kNN的分類策略,對花紋提取結果不斷進行修正優(yōu)化,直至得到較為滿意的結果為止。經實驗驗證表明,這種修正優(yōu)化算法減少背景干擾的同時,保留了鞋印花紋細節(jié)信息,提高了花紋的提取精度。4)給出了基于多尺度形態(tài)學的圖像增強算法為得到準確清晰的鞋印花紋,本文給出了基于多尺度形態(tài)學的圖像增強算法,該算法克服傳統多尺度Top-hat算法的局限性,實現了不受光照影響的圖像增強算法,最后利用二值化處理得到無背景干擾的清晰鞋印花紋圖像。為驗證交互式現場鞋印花紋提取算法的性能,本文運用包含151幅自然圖像的數據集和從1189幅現場鞋印圖像數據集隨機抽取的100幅圖像作為測試數據。本文運用4個評價指標判定分割準確性,經實驗驗證本算法的準確性達到了較高水平,是一種有效地現場鞋印花紋提取算法。
[Abstract]:Shoe printing is one of the important material evidence with high rate in the crime scene. It is one of the problems that need to be solved in the footprint recognition technology to extract the shoe print pattern accurately in the complex environment crime scene. The key work of shoe print pattern extraction is to segment the pattern area from the complex background. Different from other types of image, there are many kinds of shoeprint images on the spot and the background is complex and diverse. It is difficult to obtain ideal shoe print pattern segmentation results by using traditional image segmentation methods. The main purpose of this paper is to process the shoeprint image collected at the crime scene and get the accurate and noiseless shoeprint image. Interactive image segmentation is based on human-computer interaction, which carries out a certain target and background mark on the image to be segmented, and then gives guidance to the segmentation of the image with a certain prior information, and then establishes a segmentation algorithm model based on the prior information. Finally, the target segmentation results are obtained according to the constructed model. Based on this purpose, this paper studies the interactive spot shoe print pattern extraction algorithm. The main work is as follows: 1) the general idea of the interactive spot shoe print pattern extraction algorithm is given. This paper aims at the shortcomings of the current shoe print pattern extraction algorithm. The general frame of the interactive shoe print pattern extraction algorithm is presented. This framework mainly includes: combining the direction feature of shoeprint image, the region merging algorithm, The interactive image segmentation optimization based on KNN and the image enhancement algorithm based on multi-scale morphology. Based on the traditional region merging algorithm, the similarity of adjacent regions is obtained by combining the direction field feature and color feature, and the semantic information of shoe print pattern is obtained by user interaction. In this paper, an interactive image segmentation optimization algorithm based on KNN is presented. According to the limitation of traditional interactive image segmentation, the process of shoe print pattern extraction is carried out step by step. When the result of pattern extraction from region merging is not satisfied, the classification strategy of KNN is used to modify and optimize the result of pattern extraction until satisfactory results are obtained. The experimental results show that the modified algorithm can reduce background interference and retain the detail information of shoe print pattern at the same time. The image enhancement algorithm based on multi-scale morphology is given. In order to get accurate and clear shoe print pattern, the image enhancement algorithm based on multi-scale morphology is presented in this paper. The algorithm overcomes the limitations of the traditional multi-scale Top-hat algorithm and realizes the image enhancement algorithm which is not affected by illumination. Finally, the binarization processing is used to obtain the clear shoeprint image without background interference. In order to verify the performance of the interactive in-situ shoe print pattern extraction algorithm, this paper uses a data set containing 151 natural images and 100 randomly extracted images from 1189 on-site shoeprint image datasets as test data. In this paper, four evaluation indexes are used to judge the segmentation accuracy, and the accuracy of the algorithm is verified by experiments. It is an effective algorithm for shoe print pattern extraction in the field.
【學位授予單位】：大連海事大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：D918.91;TP391.41

【相似文獻】

相關期刊論文 前10條

1 馬剛;殘缺鞋印留痕部位的確定[J];刑事技術;2001年03期

2 李學峰,陳紅武;1例現場鞋印兩次檢驗認定的體會[J];刑事技術;2003年S1期

3 鄧世斌;周敏生;;試論破壞青苗案件中犯罪嫌疑人鞋印的甄別[J];徐州工程學院學報;2005年S1期

4 張宏;顧利人;;立體秧靴鞋印認定人身1例[J];刑事技術;2006年03期

5 陳煥昌;肖斌;;瓷質地板磚上的鞋印提取方法[J];廣東公安科技;2006年02期

6 馬李芬;;入室作案現場殘缺鞋印的研究[J];吉林公安高等�？茖W校學報;2010年03期

7 ;偏角拍攝鞋印的方法[J];刑事技術;1978年05期

8 ;平面鞋印同一認定的一些體會[J];刑事技術;1979年04期

9 劉蓉康;何文君;;模壓鞋印的鑒定[J];刑事技術;1980年06期

10 呂登中;;襪底鞋印[J];刑事技術;1981年03期

相關會議論文 前2條

1 王治民;房伊平;;車禍后自縊分析1例[A];全國第七次法醫(yī)學術交流會論文摘要集[C];2004年

2 肖睿;陸乃將;施鵬飛;;鞋印匹配算法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

相關重要報紙文章 前5條

1 通訊員 劉敬元 劉永勝 記者 周叢松;鞍鋼：從嚴管理動真格[N];工人日報;2001年

2 周澤春邋張綠化 許詩誼;帶血鞋印修補證據“漏洞”[N];檢察日報;2007年

3 記者 章苒　王菁婧;天臺：一家族5童失蹤,謎團初解[N];新華每日電訊;2010年

4 周水清;收集證據新思路[N];人民公安報;2000年

5 記者 劉娜 通訊員 謝娟 吳遠國;品味“痕跡”的魅力[N];湖北日報;2005年

相關碩士學位論文 前8條

1 舒瑩瑩;基于聚類的鞋印圖像檢索算法研究[D];大連海事大學;2016年

2 李鹽;基于SIFT的鞋印圖像特征提取及配準研究[D];河南理工大學;2015年

3 黨甜甜;基于密度的鞋印圖像聚類算法研究[D];大連海事大學;2016年

4 荊怡;基于語義的鞋印圖像分類算法研究[D];大連海事大學;2017年

5 朱悅;鞋印圖像多標簽聚類算法研究[D];大連海事大學;2017年

6 王加麗;交互式現場鞋印花紋提取算法研究[D];大連海事大學;2017年

7 閆旭琴;自動鞋印分析與比對系統中的關鍵技術的研究與實現[D];山東科技大學;2007年

8 董菲菲;基于三維鞋印的鞋底花紋分類及模塊設計[D];南昌大學;2010年

，

本文編號：1995979