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(xué)》2017年碩士論文

【摘要】：鞋印是犯罪現(xiàn)場中遺留率較高的重要物證之一,在環(huán)境復(fù)雜的犯罪現(xiàn)場中準(zhǔn)確提取鞋印花紋是足跡識別技術(shù)中急需解決的問題之一。鞋印花紋提取的關(guān)鍵工作是將花紋區(qū)域從復(fù)雜的背景中分割出來,與其他類型圖像不同,現(xiàn)場鞋印圖像種類多并且背景復(fù)雜多樣,利用傳統(tǒng)的圖像分割方法很難得到理想的鞋印花紋分割結(jié)果。本文主要目的是對犯罪現(xiàn)場采集的鞋印圖像進(jìn)行處理,得到準(zhǔn)確無噪聲的鞋印花紋圖像。交互式圖像分割通過人機(jī)交互,在待分割圖像上進(jìn)行一定的目標(biāo)和背景標(biāo)記,對圖像進(jìn)行一定的先驗信息的分割指導(dǎo),然后根據(jù)先驗信息建立分割算法模型,最后根據(jù)構(gòu)建的模型得到目標(biāo)分割結(jié)果�；诖四康谋疚膶换ナ浆F(xiàn)場鞋印花紋提取算法進(jìn)行了研究,主要工作如下:1)給出了交互式現(xiàn)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(xiàn)場鞋印花紋提取算法的總框架。該框架主要包括:結(jié)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(xué)的圖像增強(qiáng)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(jù)分析現(xiàn)場鞋印圖像的特性,本算法以傳統(tǒng)的區(qū)域合并算法為基礎(chǔ),根據(jù)方向場特征和顏色特征相結(jié)合的相似性度量方法得到相鄰區(qū)域的相似性,并結(jié)合用戶的交互獲取鞋印花紋的語義信息,給出了符合現(xiàn)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(jù)傳統(tǒng)交互式圖像分割的局限性,將鞋印花紋提取的過程逐步進(jìn)行。對區(qū)域合并得到的花紋提取結(jié)果不滿意時,利用kNN的分類策略,對花紋提取結(jié)果不斷進(jìn)行修正優(yōu)化,直至得到較為滿意的結(jié)果為止。經(jīng)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(xì)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(xué)的圖像增強(qiáng)算法為得到準(zhǔn)確清晰的鞋印花紋,本文給出了基于多尺度形態(tài)學(xué)的圖像增強(qiáng)算法,該算法克服傳統(tǒng)多尺度Top-hat算法的局限性,實現(xiàn)了不受光照影響的圖像增強(qiáng)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(xiàn)場鞋印花紋提取算法的性能,本文運(yùn)用包含151幅自然圖像的數(shù)據(jù)集和從1189幅現(xiàn)場鞋印圖像數(shù)據(jù)集隨機(jī)抽取的100幅圖像作為測試數(shù)據(jù)。本文運(yùn)用4個評價指標(biāo)判定分割準(zhǔn)確性,經(jīng)實驗驗證本算法的準(zhǔn)確性達(dá)到了較高水平,是一種有效地現(xiàn)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(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：D918.91;TP391.41

【相似文獻(xiàn)】

相關(guān)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(shù);2001年03期

2 李學(xué)峰,陳紅武;1例現(xiàn)場鞋印兩次檢驗認(rèn)定的體會[J];刑事技術(shù);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(xué)院學(xué)報;2005年S1期

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

5 陳煥昌;肖斌;;瓷質(zhì)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(xiàn)場殘缺鞋印的研究[J];吉林公安高等專科學(xué)校學(xué)報;2010年03期

7 ;偏角拍攝鞋印的方法[J];刑事技術(shù);1978年05期

8 ;平面鞋印同一認(rèn)定的一些體會[J];刑事技術(shù);1979年04期

9 劉蓉康;何文君;;模壓鞋印的鑒定[J];刑事技術(shù);1980年06期

10 呂登中;;襪底鞋印[J];刑事技術(shù);1981年03期

相關(guān)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(xué)術(shù)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(xué)學(xué)術(shù)會議論文集[C];2006年

相關(guān)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(yán)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(bǔ)證據(jù)“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(tuán)初解[N];新華每日電訊;2010年

4 周水清;收集證據(jù)新思路[N];人民公安報;2000年

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

相關(guān)碩士學(xué)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(xué);2016年

2 李鹽;基于SIFT的鞋印圖像特征提取及配準(zhǔn)研究[D];河南理工大學(xué);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(xué);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(xué);2017年

5 朱悅;鞋印圖像多標(biāo)簽聚類算法研究[D];大連海事大學(xué);2017年

6 王加麗;交互式現(xiàn)場鞋印花紋提取算法研究[D];大連海事大學(xué);2017年

7 閆旭琴;自動鞋印分析與比對系統(tǒng)中的關(guān)鍵技術(shù)的研究與實現(xiàn)[D];山東科技大學(xué);2007年

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

，

本文編號：1995979