作為犯罪現(xiàn)場痕跡之一,鞋印痕跡在刑偵當中有著很高的參考價值。在犯罪現(xiàn)場的復(fù)雜環(huán)境中準確提取鞋印花紋是后續(xù)鞋印檢索等任務(wù)的基礎(chǔ)和關(guān)鍵。本文的主要目的是處理采集的犯罪現(xiàn)場鞋印圖像,并提取準確的鞋印花紋圖像�；诖四康�,本文對復(fù)雜背景下鞋印花紋提取算法進行了研究:（1）給出了復(fù)雜背景下鞋印花紋提取算法總體思路針對現(xiàn)有的現(xiàn)場鞋印花紋提取算法當中存在的不足,給出了復(fù)雜背景下的鞋印花紋提取算法的總體框架。該框架包括:鞋印圖像的區(qū)域特征提取算法、基于隨機游走的花紋候選區(qū)域提取算法、鞋印圖像后處理算法三大部分。（2）給出了現(xiàn)場鞋印圖像的區(qū)域特征提取算法針對復(fù)雜背景下鞋印圖像花紋承痕場景多樣,為了提取穩(wěn)定的花紋區(qū)域特征,給出了鞋印圖像的區(qū)域特征提取算法。首先將鞋印圖像進行超像素分割,由于花紋具有鏤空不連續(xù)的特性,含有花紋的超像素區(qū)域中會有少量的背景殘余,為了減少冗余信息的干擾,準確的描述區(qū)域中花紋的特征,通過建立局部自適應(yīng)梯度閾值模型提取區(qū)域中梯度特征,結(jié)合梯度與顏色信息來描述區(qū)域特征。（3）給出了基于隨機游走的花紋候選區(qū)域提取算法通過對復(fù)雜背景下現(xiàn)場花紋鞋印圖像的特性分析可知,圖像中背景多樣且不均一,... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．１韋勃定律示意圖??

?復(fù)雜背景下鞋印花紋提取算法研究???２）測試方案??為驗證本文提出的區(qū)域特征的有效性，在隨機游走算法基礎(chǔ)上結(jié)合本文的鞋印圖像??的區(qū)域特征。通過與結(jié)合了顏色特征的隨機游走算法，結(jié)合顏色與ＨＯＧ特征的隨機游??走算法在鞋印數(shù)據(jù)集上的實驗性能比較，證明了本文算法的有效性。??本文使用超像素分割將鞋印圖像預(yù)分割為一個個的區(qū)域，采用人工交互的方式來標??記現(xiàn)場鞋印圖像中一部分超像素區(qū)域作為初始的前景和背景標簽節(jié)點，人工交互的過程??如圖３．５所示，圖中紅色標注為標記的初始背景區(qū)域，綠色標記為初始的前景目標區(qū)域。??ａａｉｉＳＢａｗｉＳＭｉｉ—?頓明??蹲一二？命??關(guān)??（ａ）原圖像?（ｂ）原始標注??（ａ）?ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?（ｂ）?ｏｒｉｇｉｎａｌ?ｍａｒｋｓ??圖３．５原始標注示意圖??Ｆｉｇ．?３．５?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｔｈｅ?ｏｒｉｇｉｎａｌ?ｍａｒｋｓ??３．４．２鞋印數(shù)據(jù)集實驗結(jié)果與分析??通過現(xiàn)場鞋印圖像的分析可知，部分鞋印圖像中的目標花紋不具有顏色特征，但是??仍然保留了紋理特征，同時鞋印花紋具有鏤空不連續(xù)的特性。本文考慮以上情況，結(jié)合??梯度與顏色信息描述超像素區(qū)域。采用不同特征的鞋印圖像花紋候選區(qū)域提取結(jié)果如圖??３．６所示，性能評價如表３．１所示。??－２２?－??

圖３．６不同特征的結(jié)果比較??Ｆｉｇ．３．６?Ｃｏｍｐａｒｉｓｏｎ?ｏｆ?ｄｉｆｆｅｒｅｎｔ?ｆｅａｔｕｒｅｓ??－２３?－??


本文編號：3460636