本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是一種結(jié)合先驗(yàn)知識(shí)的鞋印花紋漸進(jìn)細(xì)化式提取方法。

背景技術(shù)：

目前鞋印花紋提取的方式主要有以下兩種：

(1)人工手動(dòng)提取，主要是由經(jīng)驗(yàn)豐富的專(zhuān)業(yè)人員利用圖像處理軟件，分割出鞋印圖像的花紋區(qū)域，提取鞋印花紋。

(2)自動(dòng)提取方法：劉健康運(yùn)用模糊c-均值聚類(lèi)算法(fcm)對(duì)鞋印圖像進(jìn)行分割，提出了基于二維屬性直方圖的最大類(lèi)間方差方法提取鞋印花紋。楊芳將現(xiàn)場(chǎng)鞋印圖像按背景進(jìn)行分類(lèi)，對(duì)不同的背景采用不同的濾波方式進(jìn)行去噪。利用多尺度top-hat變換的方法來(lái)增強(qiáng)鞋印圖像的對(duì)比度，對(duì)于對(duì)比度明顯的圖像運(yùn)用基于子圖的閾值法對(duì)圖像進(jìn)行分割，解決光照不均問(wèn)題。對(duì)于對(duì)比度不高的圖像運(yùn)用快速模糊c-均值聚類(lèi)算法，即一種基于分水嶺變換的模糊c-均值聚類(lèi)算法實(shí)現(xiàn)花紋的提取。專(zhuān)利號(hào)為cn103549960的專(zhuān)利對(duì)采集的現(xiàn)場(chǎng)鞋印圖像，采用snake模型確定輪廓，然后結(jié)合顯影圖輪廓和顯跡圖輪廓確定鞋印花紋特征的范圍，確定感興趣區(qū)域，用混合高斯模型減影方法提取鞋印花紋。

上述方法均可在一定程度上實(shí)現(xiàn)對(duì)鞋印花紋的現(xiàn)場(chǎng)提取，但相應(yīng)的存在的以下問(wèn)題：(1)人工手動(dòng)提取的方法工作量大，效率低，并且存在語(yǔ)義的二義性，存在主觀性；(2)自動(dòng)提取方法沒(méi)有利用鞋印花紋的先驗(yàn)知識(shí)以及用戶(hù)的語(yǔ)義信息，提取的花紋存在花紋丟失或包含較多背景干擾等情況。這些問(wèn)題將嚴(yán)重影響公安人員偵破案件的效率，還將制約足跡識(shí)別技術(shù)的應(yīng)用發(fā)展。

技術(shù)實(shí)現(xiàn)要素：

鑒于已有技術(shù)存在的不足，本發(fā)明的目的是要提供一種利用花紋特征先驗(yàn)知識(shí)并兼顧提取效率的鞋印花紋提取方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明技術(shù)方案如下：

一種結(jié)合先驗(yàn)知識(shí)的鞋印花紋漸進(jìn)細(xì)化式提取方法，其特征在于，步驟包括：

s1采集原始現(xiàn)場(chǎng)鞋印圖像信息，并對(duì)鞋印圖像進(jìn)行超像素分割，得到特征一致的圖像子區(qū)域；

s2對(duì)鞋印圖像進(jìn)行粗標(biāo)記，得到花紋區(qū)域f＝{f1,f2,......,fn}以及背景區(qū)域b＝{b1,b2,......,bm}，并統(tǒng)計(jì)標(biāo)記花紋區(qū)域和背景區(qū)域的個(gè)數(shù)，其中n為花紋區(qū)域的個(gè)數(shù)，m為背景區(qū)域的個(gè)數(shù)；

s3根據(jù)用戶(hù)標(biāo)記結(jié)果對(duì)鞋印圖像的子區(qū)域，利用兼顧方向特征與顏色特征的區(qū)域相似性度量方法進(jìn)行最大相似性區(qū)域合并，得到初始的鞋印花紋提取結(jié)果p1；

s4對(duì)初始的鞋印花紋提取結(jié)果p1進(jìn)行迭代細(xì)化修正，得到準(zhǔn)確的鞋印花紋提取結(jié)果p；

s5對(duì)準(zhǔn)確的鞋印花紋提取結(jié)果p進(jìn)行光照校正與花紋增強(qiáng)處理；

s6利用otsu算法將處理后的圖像花紋提取結(jié)果進(jìn)行二值化，得到最終的鞋印花紋圖像二值圖。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

1)本發(fā)明充分考慮了鞋底花紋的特點(diǎn)，利用鞋印花紋的顏色特征和紋線(xiàn)的方向特征的先驗(yàn)知識(shí)分別計(jì)算區(qū)域間的相似性，根據(jù)二者的融合得分，并結(jié)合用戶(hù)的交互信息，進(jìn)行花紋與背景的判定，提高了花紋提取的準(zhǔn)確性。

2)將手工標(biāo)記與自動(dòng)提取相結(jié)合，兼顧了人工標(biāo)記的語(yǔ)義信息和自動(dòng)提取的便捷性，使提取的鞋印花紋的更符合主觀效果并且降低了人工手動(dòng)提取的難度。

3)提出了基于knn的區(qū)域分類(lèi)策略，采用漸進(jìn)細(xì)化的交互方式提取鞋印花紋，提高了花紋與背景判定的準(zhǔn)確性，減少背景干擾的同時(shí)，保留了鞋印花紋細(xì)節(jié)信息，在提高便捷性的同時(shí)，提高了花紋的提取精度。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明現(xiàn)場(chǎng)鞋印花紋提取流程圖；

圖2為本發(fā)明初始鞋印花紋提取流程圖；

圖3為本發(fā)明初始鞋印花紋提取實(shí)施圖例；

圖4為本發(fā)明鞋印花紋細(xì)化修正流程圖；

圖5為本發(fā)明現(xiàn)場(chǎng)鞋印花紋提取的整體實(shí)施圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明設(shè)計(jì)了一種結(jié)合先驗(yàn)知識(shí)的鞋印花紋漸進(jìn)細(xì)化式提取方法，下面結(jié)合附圖以及具體實(shí)施例進(jìn)一步說(shuō)明本發(fā)明的技術(shù)方案：

如圖1所示為結(jié)合先驗(yàn)知識(shí)的鞋印花紋漸進(jìn)細(xì)化式提取過(guò)程，其步驟包括：

s1采集原始現(xiàn)場(chǎng)鞋印圖像信息，并對(duì)鞋印圖像進(jìn)行超像素分割，得到特征一致的圖像子區(qū)域。

s2對(duì)鞋印花紋圖像進(jìn)行粗標(biāo)記，得到花紋區(qū)域f＝{f1,f2,......,fn}以及背景區(qū)域b＝{b1,b2,......,bm}，并統(tǒng)計(jì)標(biāo)記花紋區(qū)域和背景區(qū)域的個(gè)數(shù)，其中n為花紋區(qū)域的個(gè)數(shù)，m為背景區(qū)域的個(gè)數(shù)。

s3對(duì)鞋印圖像的子區(qū)域，根據(jù)用戶(hù)標(biāo)記，利用兼顧方向特征與顏色特征的區(qū)域相似性度量方法進(jìn)行最大相似性區(qū)域合并，得到初始的鞋印花紋提取結(jié)果p1。初始鞋印花紋的提取過(guò)程見(jiàn)如圖2所示，其步驟包括：

s3-1計(jì)算步驟s2標(biāo)記的各圖像區(qū)域中任意相鄰區(qū)域之間的顏色相似度s1(r,q)，其中r和q分別表示任意相鄰的兩區(qū)域，s1(r,q)的求取過(guò)程如下：

①首先分別在r、g、b三個(gè)顏色通道上采用16級(jí)量化對(duì)圖像進(jìn)行處理，統(tǒng)計(jì)量化處理后各區(qū)域在16×16×16＝4096維的顏色特征空間內(nèi)的特征值，作為本發(fā)明的較佳實(shí)施方式，優(yōu)選采用顏色特征空間的直方圖描述的特征矢量特征，其維度為4096維。

②對(duì)于任意相鄰區(qū)域r和q，利用bhattacharyya系數(shù)衡量?jī)蓞^(qū)域之間的顏色相似度，即

其中，表示區(qū)域r中顏色u出現(xiàn)的概率，表示區(qū)域q中顏色u出現(xiàn)的概率。作為本發(fā)明的較佳實(shí)施方式利用顏色歸一化直方圖中顏色u的數(shù)值表示其出現(xiàn)的概率，和分別表示區(qū)域r和區(qū)域q的顏色歸一化直方圖中u的數(shù)值。

s3-2計(jì)算步驟s2標(biāo)記的各圖像區(qū)域中任意相鄰區(qū)域之間的方向場(chǎng)相似度s2(r,q)，s2(r,q)的求取過(guò)程如下：

①對(duì)原始鞋印圖像利用基于梯度的方法構(gòu)建方向場(chǎng)，其主要步驟如下：

a.將鞋印圖像分成w×w的子圖，利用sobel算子計(jì)算子圖中每一像素點(diǎn)(i,j)沿x軸方向的梯度值和沿y軸方向的梯度值

b.利用下述公式計(jì)算子任意子圖中心點(diǎn)(i,j)的局部方向值

其中，vx(i,j)為w×w區(qū)域內(nèi)在x方向的平均梯度矢量，vy(i,j)為w×w區(qū)域內(nèi)在y方向的平均梯度矢量θ(i,j)是以像素點(diǎn)(i,j)為中心的子塊的局部方向，θ(i,j)∈[0,π]，得到鞋印圖像的方向場(chǎng)；

②對(duì)于任意相鄰區(qū)域r和q，利用bhattacharyya系數(shù)衡量相鄰區(qū)域r和q之間的方向場(chǎng)相似度，即

其中，表示區(qū)域r中方向v出現(xiàn)的概率，表示區(qū)域q中方向v出現(xiàn)的概率。作為本發(fā)明的較佳實(shí)施方式利用方向場(chǎng)歸一化直方圖中方向v的數(shù)值表示其出現(xiàn)的概率，和分別表示區(qū)域r和區(qū)域q的方向場(chǎng)歸一化直方圖中v的數(shù)值。

s3-3根據(jù)顏色相似度s1(r,q)和方向場(chǎng)相似度s2(r,q)計(jì)算相鄰區(qū)域r和區(qū)域q的相似度s(r,q)，

s(r,q)＝λs1(r,q)+(1-λ)s2(r,q)

其中，λ為顏色相似度所占權(quán)重，作為本發(fā)明的優(yōu)選，取λ＝0.7。

s3-4統(tǒng)計(jì)鞋印花紋圖像所有相鄰區(qū)域的相似度集合s。

s3-5根據(jù)所有相鄰區(qū)域的相似度s，以及步驟s2得到的用戶(hù)標(biāo)記區(qū)域，進(jìn)行最大相似性區(qū)域合并，得到初始的鞋印花紋提取結(jié)果p1。圖3給出了初始鞋印花紋提取的一個(gè)實(shí)施流程。

s4對(duì)初始的鞋印花紋提取結(jié)果p1進(jìn)行細(xì)化修正，得到準(zhǔn)確的鞋印花紋提取結(jié)果p，其步驟包括：

s4-1對(duì)初始的鞋印花紋提取結(jié)果p1不滿(mǎn)意的部分進(jìn)行再次標(biāo)記，不滿(mǎn)意的鞋印花紋圖像區(qū)域?yàn)閞，r＝r^f∪r^b，其中r^f＝{r^f1,r^f2,......,r^fk}為本應(yīng)屬于花紋錯(cuò)被判定為背景的區(qū)域，r^b＝{r^b1,r^b2,......,r^bl}為本應(yīng)屬于背景錯(cuò)被判定為花紋的區(qū)域，k表示用戶(hù)標(biāo)記的本應(yīng)屬于花紋錯(cuò)被判定為背景的區(qū)域個(gè)數(shù)，l表示本應(yīng)屬于背景錯(cuò)被判定為花紋的區(qū)域個(gè)數(shù)；

s4-2計(jì)算區(qū)域ri與區(qū)域q的相似度s(ri,q)＝{s1,s2,......,sn+m}，其中表示與任意一個(gè)不滿(mǎn)意的鞋印花紋圖像標(biāo)記區(qū)域rm的相鄰區(qū)域集合，q＝{f1,f2,......,fn,b1,b2,......bm}表示在步驟s2中標(biāo)記的所有區(qū)域；

s4-3根據(jù)計(jì)算得到的s(ri,q)，利用knn分類(lèi)算法判斷區(qū)域ri的區(qū)域種類(lèi)，即判斷區(qū)域ri屬于花紋還是背景區(qū)域，具體地是對(duì)由步驟s4-2得到的相似度集合s(ri,q)中的相似度進(jìn)行降序排序，統(tǒng)計(jì)前k個(gè)相似度對(duì)應(yīng)區(qū)域q中的區(qū)域標(biāo)記種類(lèi)，區(qū)域ri自動(dòng)標(biāo)記為圖像種類(lèi)數(shù)目較多的區(qū)域種類(lèi)，其中k為奇數(shù)，作為本發(fā)明的較佳實(shí)施方式，優(yōu)選k＝7。

s4-4如果區(qū)域ri與區(qū)域rm的種類(lèi)相同，則將區(qū)域ri合并至區(qū)域rm，即rm＝rm∪ri，否則不做處理；

s4-5重復(fù)步驟s4-2～s4-4，直至遍歷所有標(biāo)記區(qū)域rm的鄰接區(qū)域ri；

s4-6重復(fù)步驟s4-2～s4-5，直至遍歷步驟s4-1中標(biāo)記的不滿(mǎn)意的鞋印花紋圖像區(qū)域集合r的所有區(qū)域rm，得到區(qū)域合并結(jié)果t＝{t^f,t^b}，其中t^f表示由標(biāo)記區(qū)域r^f得到的合并結(jié)果，t^b表示由標(biāo)記區(qū)域r^b得到的合并結(jié)果。

s4-7將步驟s4-6得到的區(qū)域合并結(jié)果t與初始的鞋印花紋提取結(jié)果p1按照下述規(guī)則進(jìn)行合并：

p1＝p1∪t^f

以得到細(xì)化修正的鞋印花紋提取結(jié)果p1。

s4-8觀察步驟s4-7得到的細(xì)化修正的鞋印花紋提取結(jié)果p1，如果對(duì)結(jié)果仍然不滿(mǎn)意，重復(fù)步驟s4-1～s4-7，否則準(zhǔn)確的鞋印花紋提取結(jié)果p＝p1。

圖4給出了準(zhǔn)確鞋印花紋提取過(guò)程的實(shí)施流程。

s5對(duì)準(zhǔn)確的鞋印花紋提取結(jié)果p進(jìn)行光照校正與花紋增強(qiáng)處理，其具體步驟包括：

s5-1對(duì)準(zhǔn)確的鞋印花紋提取結(jié)果p進(jìn)行灰度化處理，得到灰度圖像i；

s5-2灰度圖像i進(jìn)行光照校正，光照校正的步驟包括：

①將灰度圖像i分割為大小相同的若干圖像區(qū)域，計(jì)算任意區(qū)域內(nèi)的像素灰度均值μ和標(biāo)準(zhǔn)差σ，并以max(min,μ-0.8σ)作為該區(qū)域的近似背景灰度，其中min為該區(qū)域像素的最小灰度值；

②利用所有區(qū)域的近似背景灰度構(gòu)成近似背景灰度矩陣；

③利用插值法將上述近似背景灰度矩陣擴(kuò)展為大小與灰度圖像i相同的背景灰度矩陣；

④從灰度圖像i中減去步驟③得到的背景灰度矩陣，以得到光照均勻圖像i1；

s5-3利用對(duì)數(shù)變換s＝clog(1+r)對(duì)圖像i1進(jìn)行圖像增強(qiáng)以增強(qiáng)圖像中較暗部分的細(xì)節(jié)，其中c為常數(shù)，s為增強(qiáng)后的圖像像素值，r為圖像i1像素值。

s6利用otsu算法將處理后的圖像花紋提取結(jié)果進(jìn)行二值化，得到最終的鞋印花紋圖像二值圖。

圖5給出了本發(fā)明鞋印花紋現(xiàn)場(chǎng)提取的實(shí)施流程。

本發(fā)明充分考慮了鞋底花紋的特點(diǎn)，利用鞋印花紋的顏色特征和紋線(xiàn)的方向特征的先驗(yàn)知識(shí)分別計(jì)算區(qū)域間的相似性，并提出了基于knn的區(qū)域分類(lèi)策略，采用漸進(jìn)細(xì)化的交互方式提取鞋印花紋，提高了花紋與背景判定的準(zhǔn)確性，減少背景干擾的同時(shí)，保留了鞋印花紋細(xì)節(jié)信息，在提高便捷性的同時(shí)，提高了花紋的提取精度。同時(shí)將手工標(biāo)記與自動(dòng)提取相結(jié)合，兼顧了人工標(biāo)記的語(yǔ)義信息和自動(dòng)提取的便捷性，使提取的鞋印花紋的更符合主觀效果并且降低了人工手動(dòng)提取的難度。

最后應(yīng)說(shuō)明的是：以上各實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述各實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。