(信号与信息处理专业论文)鞋印分块分类的研究.pdf_第1页
(信号与信息处理专业论文)鞋印分块分类的研究.pdf_第2页
(信号与信息处理专业论文)鞋印分块分类的研究.pdf_第3页
(信号与信息处理专业论文)鞋印分块分类的研究.pdf_第4页
(信号与信息处理专业论文)鞋印分块分类的研究.pdf_第5页
已阅读5页,还剩58页未读, 继续免费阅读

(信号与信息处理专业论文)鞋印分块分类的研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

摘要 足迹和鞋印是犯罪现场提取率较高的痕迹物证。足迹和鞋印可以帮助判明案 情,分析犯罪。有效的鞋印管理能缩短公安部门办案时间,提高刑事工作部门效 率,而且它在串并案中的作用尤为突出。目前各地公安机关足迹管理方法不同, 大多采用人工操作,使得足迹在刑事案件侦破过程中很难像指纹一样发挥作用。 在这种背景下有必要寻找一种基于模式识别的图像处理算法,充分利用计算机快 速、高效的特点,实现鞋印花纹的自动识别和分类,进而更好地发挥足迹和鞋印 在刑事案件侦破中的作用。 鉴于以上背景,对鞋印分类要求在实际图片上进行了具体分析。借鉴了大连 海事大学信号与图像处理研究所近几年在图像检测领域所取得的经验,为了达到 自动分类的目的,提出了本文的分块分类算法:首先对原图像进行归一化处理。 在归一化的基础上,按每块6 4 x 6 4 的标准对图像分块,将图像纹理分为1 3 x 5 个分 块。然后参照鞋印标准轮廓线剔除含有边缘轮廓以及背景部分的分块。对像素进 行检验,根据设定阂值,进一步删除不含纹理或者少量纹理的分块。把l a w s 掩模 和花纹图像卷积后计算的能量作为纹理描述的一个特征量,实现初步的鞋印纹理 分类。初步分类后分别构造灰度共生矩阵以及在小波分解的基础上构造相邻尺度 的共生矩阵,并采用h a r a l i c k 统计量作为两个共生矩阵的特征量,重新构造新的特 征矩阵,进行聚类分析。根据以上的对分块的分类结果,用分类算法完成鞋印纹 理的最终分类。 对从现有的鞋印库里随机抽取5 0 0 幅鞋样图像进行测试,证明该方法能有效 地完成鞋印分类,并达到较高的正确率。 关键词;鞋印分类;分块分类;纹理分类;边缘检测;小波变换 s t u d yo fi d e n t i f i c a t i o na n dc l a s s i f i c a t i o nm e t h o d so fs h o e p r i n t s b a s e do nb l o c k s a b s t r a c t f o o t p r i n t sa n ds h o ep r i n t sa r ev e r yi m p o r t a n ta n dm o s te a s i l yc o l l e c t e de v i d e n c e si n c r i m i n a lc a s ei n v e s t i g a t i o n ,a n db e c o m em o r eu s e f u li ns e r i a la n dp a r a l l e l s i n c ee v e r y l o c a lp o l i c ed e p a r t m e n th a sd i f f e r e n tf o o t p r i n tm a n a g e m e n tm e t h o d sa n do n l ya d o p t s m a n u a lo p e r a t i o n ,f o o t p r i n t sc a nn o tb eu s e da s e f f e c t i v e l ya sf i n g e r p r i n t si n t h e i n v e s t i g a t i o no fc r i m i n a lc a s e s i ti sn e c e s s a r yt of i n da k i n do fi m a g ep r o c e s s i n g m e t h o du n d e rt h i sb a c k g r o u n d ,a n dt om a k eu s eo fc o m p u t e r st oc a r r yo u ts h o ep r i n t s i d e n t i f i c a t i o na n dc l a s s i f i c a t i o na u t o m a t i c a l l y i nv i e wo fa b o v eb a c k g r o u n d ,s h o ep r i n tc l a s s i f i c a t i o nm u s tb ec a r r i e do u to nt h e a c t u a ls h o ep r i n tp i c t u r e st oa n a l y z ep i c t u r ec o r r e c t l y b a s i n go nt h er e s e a r c hw o r k si n i m a g ep r o c e s s i n gf i e l dt h a th a v e b e e nd o n ei nr e c e n ty e a r si nd a l i a nm a r i t i m e u n i v e r s i t y ,f o rt h ep u r p o s eo f t h ea u t o m a t i cc l a s s i f i c a t i o n ,t h e a l g o r i t h m s o f c l a s s i f i c a t i o nm e t h o d sb a s e do nb l o c k sa r eb r o u g l l tf o r w a r da sf o l l o w i n g :t h eo r i g i n a l i m a g ea r en o r m a l i z e df i r s t t h e nt h en o r m a l i z e dp i c t u r ei sd i v i d e di n t 0 1 3 x 5 b l o c k s a n de a c hb l o c kh a s6 4x6 4p i x e l s t h eb l o c k sw h i c hi n c l u d et h eo u t l i n eo ft h ee d g ea n d t h eb a c k g r o u n dp a r ta r ep i c k e do u tb yc o m p a r i n gt h en o r m a l i z e dp i c t u r ew i t ht h e s t a n d a r do u t l i n eo ft h es h o e p r i n tm o d e l b a s i n go nt h ef i r s ts t e p ,t h el o ge d g e d e t e c t i o ni sc a r r i e do u ta n dt h et h r e s h o l di sd e s i g n e d ,b l o c k st h a ti n c l u d el i t t l eo rn o t e x t u r ep i x e l sa r ed e l e t e d t h ei n i t i a lc l a s s i f i c a t i o nj sm a d ea c c o r d i n gt ot h el a w s e n e r g yc h a r a c t e r i s t i cq u a n t i t yc a l c u l a t e df r o mt h ec o n v o l u t i o no ft h et e m p l a t ea n dt h e s h o ep r i n ti m a g e a f t e rt h ef i r s ts t e pc l a s s i f i c a t i o n ,ac o - o c c l r r e f l c em a t r i xo f g r a y - s c a l e a n dac o o c c u r r e n c em a t r i xo ft h ec l o s ed i m e n s i o n sa r ec o n s t r u c t e db a s e do nw a v e l e t t r a n s f o r m t a k i n gt h eh a r a l i c ks t a t i s t i c s a st h ec h a r a c t e r i s t i cq u a n t i t yo ft h et w o c o ,o c c u r r e n c em a t r i x e s ,an e wc h a r a c t e r i s t i cm a t r i xi sr e - c o n s t r u c t e d ,a n dt h ec l u s t e r a n a l y s i si sc a r r i e do u t t h ef i n a lc l a s s i f i c a t i o ni sa c c o m p l i s h e db yt h ea l g o r i t h m sb a s e d o nt h ec l a s s i f i c a t i o nr e s u l t sa c h i e v e df r o mt h ea b o v e s t e p s r a n d o m l ys a m p l e de x p e r i m e n t sw i t h5 0 0s h o e sp r i n t sp h o t o sw e r ec a r r i e do u ta n t t h er e s u l t ss h o wt h a tt h ec l a s s i f i c a t i o na l g o r i t h mi se f f e c t i v ea n dt h ec l a s s i f i c a t i o n c o r r e c t n e s sr a t i oi sh i 曲e n o u g h k e yw o r d s :;s h o ep r i n ta n a l y s i s ;c l a s s i f i c a t i o nm e t h o d s b a s e do nb l o c k s t e x t u r e a n a l y s i s ;e d g ed e t e c t i o n ;w a v e l e tt r a n s f o r m ; i i i 大连海事大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明:本论文是在导师的指导下,独立进行研究工作所取得的成果, 撰写成博士硕士学位论文! 墼空鱼监垒塾至! 箜 :。除 论文中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已 在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已 经公丌发表或未公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名:椭一年j 月 ) 日 j j 学位论文版权使用授权书 本学位论文作者及指导教师完全了解“大连海事大学研究生学位论文提交、 版权使用管理办法”,同意大连海事大学保留并向国家有关部门或机构送交学位论 文的复印件和电子版,允许论文被查阅和借阅。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。 保密口,在年解密后适用本授权书。 本学位论文属于:保密口 不保密口( 请在以上方框内打“”) 论文作者签名:訇少钾导师签名: 日期:驴6 年j 月 第1 章绪论 1 1 论文背景及意义 足迹和鞋印作为案发现场中最易被提取的一种物证,在串并案件中的作用同 益突出。刑侦人员可以根据现场采样的足迹和以往案件中的足迹进行串并案的处 理,从而缩小嫌疑人的范围,提高案件侦破的效率。目前虽然各地公安机关对足 迹管理都加大了力度,但仍存在着一些弊端: 1 采用人工操作、手工管理的方法,形式单一,效率低。 2 人工的识别操作存在严重的二义性。 3 各地公安机关足迹管理方法不同,不利于大范围内的串并案运作。 现在,利用计算机和图像处理技术提出鞋印花纹的自动识别与分类算法为提 高足迹和鞋印在串并案中的作用提供了更经济、更有效的途径。充分利用了计算 机快速、高效的特点,解决了由人工识别带来的二义性,提高了管理的效率。 本论文的相关课题是企业委托课题,属于纹理分类领域,在分块的基础上进 行纹理分类技术本身属于纹理分割和模式识别范畴。 鞋印分块分类方法对公安系统的发展和社会安定发展起着重要的推动作用, 对用具有重要的理论意义和实用价值,更具有广阔的市场前景。 1 2 纹理分类的基础理论 纹理( t e x t u r e ) 是表达物体表面或结构( 分别对于反射或透射形成的图像) 的属性。它使用得很广泛,且在直觉上可能是明显的,但是由于它的变化范围很 广,因而并没有精确的定义。我们可以把纹理定义为由互相关联的元素组成的某 种东西,因此我们考虑的是一组像素f 纹理基元( t e x t u r ep r i m i t i v e ) 或是纹理元素 ( t e x t u r ee l e m e n t ) 1 ,且所描述的纹理高度依赖于考虑的数量( 纹理尺度) 【l 】。比 如犬毛、草、小鹅卵石、软木塞、格子花式纺织品、编织品。 纹理分析的主要目标是纹理识别和基于纹理的分析。人们通常把纹理的描述 为精细的、粗糙的、颗粒的、平滑的,等等,这意味着必须定义一些更精确的特 征以使得机器识别成为可能。这样的特征可以在纹理的色调( t o n e ) 和结构 ( s t r u c t u r e ) 中找到。色调主要基于基元像素亮度的属性 z l ,而结构则是基元空间 的空间关系。 每个像素可以通过它的位置和色调的特征来刻画。纹理基元是一个具有某种 色调属性或区域属性的像素的连续集,可以通过它的平均亮度、最大或最小亮度、 尺寸、形状等来描述。基元的空间关系可以使随机的,或它们可能是两两相关的, 或某个数目的基元之间可能是互相依赖的。这样,通过基元的数目和类型以及它 们的空间关系来描述图像纹理。 相同数目和相同类型的基元不一定会给出相同的纹理,类似地,基元的相同 空间关系也不会保证纹理的唯一性,因而对纹理描述来说不是很充分的。纹理的 色调和结构不是独立的,纹理重视显示在色调和结构两个方面上,尽管通常是一 方或另一方占优势而且我们通常也仅仅讨论一方或者另一方。色调可以被理解为 基元的色调属性。其中考虑了基元的空间关系。结构是指基元的空间关系,也考 虑了它们的色调属性。 如果图像中的纹理基元很小,并且如果相邻基元间的色调相差很大,则产生 精细纹理的结果。如果纹理基元比较大而且包含若干像素,则产生粗糙纹理。这 也是在纹理描述中使用色调和结构属性两者的原因。注意精细纹理的特征依赖于 尺寸。 更进一步,纹理可以根据它们的强度来分类,因而纹理强度影响纹理描述方 法的选择。弱纹理的基元之间在空间上的相互作用较小,可以用出现在某个领域 中的基元类型的频率来适当的描述。因为这个原因,在弱纹理的描述中估算了很 多统计纹理属性。在强纹理中,基元间的空间相互作用是有某种规律地,为描述 强纹理,考察具有某种空间关系得基元对出现的频率可能就足够了。强纹理的识 别通常伴随着纹理基元以及它们的空间关系得确定。 存在的两个主要的纹理描述方法:统计的和句法的。统计的方法计算不同的属 性,如果纹理基元大小和像素大小可比,它是适合的。句法的和混合的( h y b r i d ) 方法( 统计和句法的结合) 更适合基元可以被赋予一个标记:基元类型。意味着 基元可以通过大量的各种属性而不仅仅是色调来描述的情况。l e , z z n ,形状描述。 统计纹理描述方法以适合统计模式识别的一种形式来描述纹理。作为描述的 一个结果,每个纹理以一个属性特征向量来描述,它代表了多维特征空间中的一 个点。目标是寻找一个确定型的或概率型的决策规则给纹理赋以特定的类型。 统计纹理描述方法大致分为六种: ( 1 ) 基于空间频域的方法:度量空间频率是一大类纹理识别方法的基础。纹 理的特征直接与纹理基元的空间大小相关。粗糙纹理由大的基元构成,精细的纹 理则由较小的基元构成,精细纹理由较高的空间频率表征,粗糙纹理则由较低的 空问频域表征。在【4 】中,从2 8 个空间频率域的特征集合中,提取出了一个对加 性噪声不敏感的子集( 主峰能量、功率谱的形状、熵) 。 ( 2 ) 共生矩阵:纹理描述的共生矩阵方法是基于在纹理中某一灰度级结构重 复出现结果 s t 。 ( 3 ) 边缘频率:边缘既可以作为微边缘通过使用小的边缘算子掩模检测出来, 也可以作为宏边缘通过使用大的掩模检测出来“。 ( 4 ) 基元长度:具有相同灰度级的大量的相邻像素反映了粗糙纹理,少量的这些 像素则反映精细纹理,而自不同方向上的纹理基元的长度可以作为一种纹理描述 7 。基元是在一条直线上具有恒定灰度级的像素的最大连续集,而这些可以用灰 度级、长度以及方向来描述。纹理描述特征可以基于对纹理中基元的长度和灰度 级的连续概率的计算 s l 。 ( 5 ) l a w s 的纹理能量度量。 ( 6 ) 分型纹理描述:在【9 中介绍了基于分形的纹理分析,文中说明了纹理的粗糙 度和纹理分形维数间的相关性分形定义| 1 0 1 为1 个集合,该集合的 h a u s d o r f f - b e s i c o v i t c h 维数。在 1 1 】中严格大于其拓扑维数,因此分形维数是一种 定义属性。分形模型一般把像直线长度或表面面积这样的一种度量属性与度量属 性基础的单位长度或面积关联起来。 句法纹理描述是基于纹理基元的空间关系与形式语言之间的类比。来自一个 类别的纹理描述形成了一个可以由它的语法表示的言语,语法可以从一个语言词 汇的训练集中推导出来。在学习阶段,对每一个出现在训练集中的纹理类别,构 造一个语法。然后识别过程则为纹理描述词汇的句法分析。句法分析方法大致分 成二种。 ( 1 ) 形状链语法:是可以用于纹理描述的最简单的语法。它们从一个起始符号丌 始,随后是应用称为形状规则的变换规则来生成纹理。如果没有可以进一步应用 的变化规则,则牛成过程结束。纹理生成由几个步骤组成。首先,找到变换规则。 其次,必须在几何上调整规则以准确地与已生成的纹理相匹配m 1 。 ( 2 ) 图语法:纹理识别的自然方法是构造一个基元布置得平面图,然后再识别过 程中使用它。要构造这样的一个圈,必须知道基元类型和基元的空间关系,纹理 基元间的空倒关系将反映在图的结构中。 ( 3 ) 分层纹理中的基元分组:在分层纹理中,可以检测到基元的若干层次,较低 层次的基元形成某种特殊的模式,它可以作为较高描述层次的基元。 纹理识别应用范围很广:根掘遥感数据的农作物收成的估计或森林病虫害的定 位,根据x 射线图像的肺部疚病的自动诊断,根据气象卫星数据的云类识别,等 等。在我们世界中纹理是很常见的,应用的可能性是几乎没有限制的。 统计方法从图像有关属性的统计分析出发,而结构分析方法则着力找出纹理基 元,然后再从结构组成上探索纹理的规律。无论从历史发展还是当前进展来看, 统计方法仍然占主导地位。在统计方法中,有简单的研究纹理区域中的统计特性, 肯研究像元领域内的灰度或属性的一阶统计特性,有研究一对像元或多像元及其 领域灰度的二阶或高阶统计特性,也有研究用模型来描述纹理。 1 3 鞋底花纹的种类 1 31 鞋底花纹分类情况 鞋底花纹种类繁多,样式干奇百怪。通过对大量图片的分析,以及与其有丰 富刑侦经验的具体人员的沟通和讨论我们发现如果将鞋底花纹类型分得过多过 细,会导致数据库的容量过大,浪费系统资源,不利于信息的检索,如果鞋底花 纹类型分得过少过粗,会导致检索出来的信息太多,而不利于串并案的操作。综 合考虑咀上因素,本人所在的实验室提出了以下的鞋底花纹类型分类的定义标准: 1 、波折型 由波峰、波谷相连的曲线或折线围成的花纹。 波折型花纹至少有一个波峰和一个波谷。花纹整体均匀。 波折型花纹至少有一个波峰和一个波谷。花纹整体均匀。 图1 1 波折型例图 f i gl1f t e x u o u st e x t u r e 2 、边块型 由多条直线或曲线构成边块状花纹,花纹面积大于0 5 c r u x 0 5 c m ,图形宽度 人于0 5 c m 。 图1 2 边块型例图 f i g1 2l u m p i s ht e x t u r e 3 、圆型 由圆形组成的花纹,花纹面积大于0 5 c r u x 0 5 c m 。 图1 3 圆型例图 f i g1 3r o u a d e dt e x t u r e 4 、图案型 由具有标识性质的图案( 或文字) 组成的花纹。 主要是鞋的商标等图案。 图1 4 图案型例圈 图1 5 文字型例图 5 、线条型 出直线或曲线组成的花纹。 线条互不相交,或间断或连续。线条的宽度小于0 5 c m 。 图1 6 线条型例图 6 、交织型 由数根线条构成的相交或经纬相互沉浮穿插组成的花纹。 图1 7 交织型例图 f i g1 7i n t e r l a c e dt e x t u r e 7 、点状 由多个细小点块状凸起组成的花纹,花纹面积小于0 5 c m 0 5 c m 。 圈1 8 点状例削 f i g1 8p u n c t a t et e x t u r e 1 3 2 本文采用的纹理分类介绍 实现鞋底文理分块后,本人发现在分块后圆形部分图案跨区域,不一定为完 整的图案,如图l _ 9 。在对大量的含有圆型图案的鞋底纹理进行分块后获得比较完 整的圆型图案难度较高,并且都呈现不规则边块状。 图1 9 分块后的圆型图案例图 f i g1 9p u n c t a t et e x t u r ea f t e rd i v i d e d 因此本人在实验室的分类基础上提出将圆型和边块型放在一个类型中,都分 到边块形这一类当中。本人提出的纹理分类如下: l 、波折型。 2 、边块型。 3 、文字或图案型。 4 、线条型。 5 、点状。 6 、交织型。 实验的鞋底纹理分类都是基于对分块分类的判断,分块分类如下 1 、波折型。 2 、边块型。 3 、线条型。 4 、点状。 5 、交织型。 1 4 自动分类的发展 目前我国对于足迹管理主要采用足迹卡片形式录入登记,分局定期向市局上 报。足迹处理的工作量呈倒三角形式,造成市局的工作量日益增大。而采用合理 的鞋底花纹分类方法,结合相关的案件文本信息,利用计算机进行现场足迹在现 场足迹库、犯罪嫌疑人足迹库及鞋厂鞋样库中的检索;通过网络进行异地查询; 通过犯罪现场足迹与犯罪现场足迹库的比对,做到“以案查案”;通过犯罪现场足 迹在犯罪嫌疑人足迹库中的检索,做到“以案查人”:通过犯罪嫌疑人足迹在现场 足迹库中检索,做到“以人查案”:通过犯罪嫌疑人的足迹在嫌疑人足迹库中检索, 做到“以人查人”。国外在足迹信息计算机管理方面研究工作开展得比较早,典型 的产品有英国公司( s h o e sp r i n ti m a g ec a p t u r ea n dr e t r i e v a l ) f o s t e r + f r e em a n 公司 目前用的最新版s 1 c a r 4 。 该系统采用文本,商标图形,花纹三种信息对鞋底花纹进行建库,功能较全, 可以将现场鞋印在嫌疑入库,罪犯库和鞋样库中查询并进行串并案。但录入过程 对录入人员要求过高,分类过细,花纹信息及结构安排共分为1 0 类:有圆形、条 形、多边形、规则形、不规则形、锯齿形、网状、结构形、边缘形和一般形等。 而仅圆形又分为4 0 余种子类,不仅要求录入花纹,还要对它们之间的组合及结构 信息进行人工判断,对录入人员要求极高,易造成录入错误。英国k 9 刑侦设备公 司( k 9f o r e n s i cs e r v i c e sl t d ) 的t h et r a d e m a r k “s y s t e mo fa n a l y s i s a n df o o t w e a r i d e n t i f i c a t i o n ,能够实现人工干预条件下的自动花纹查询, 可用于嫌疑人鞋印在犯罪现场库中的比对,但对现场条件要求较高,同时识别率 也偏低f 1 3 1 。 大连海事大学信息与图像处理实验室目前己完成的工作能自动识别出纹理的 类别。但其前提是,用户在分类前必须手动选择出能表征鞋印类别的纹理区域。 这就要求用户在机器识别前,必须对鞋印以及选择的区域所属类别有一个预先判 定,同时也要求用户对分类的情况和规范有比较全面的了解。由于判断纹理类别 时用户主观意识其主要作用,同一个鞋印不同用户进行分类预判别时,选择的区 域也有可能不同。而且仅用一个指定区域作为判断鞋印纹理的类别依据,鞋印的 其他区域纹理信息就会丢失。公安部门在现场获取的鞋印不一定含有指定区域纹 理信息,这样检索现场鞋印类别并进行匹配时会产生误差。 综合考虑以上各种方法的优缺点,本文提出的分块分类法。相比上述的方法, 本文提出的分类法有以下的特点: 1 用户只需对图像形状进行简单操作,减轻用户的工作量。 2 不需要用户有鞋印纹理分类的背景知识,降低对用户的使用要求。 3 保留绝大部分鞋印纹理的信息。 4 完成鞋印分类后,每个过程中判断结果仍有保留价值,可以作为纹理检索 的辅助信息为现场鞋印的匹配提供方便。 1 5 本人主要工作 借鉴国内外相关研究成果,结合我国公安部门足迹信息的管理特点和具体工 作方式,并在大连海事大学信息与图像处理实验室已完成的工作基础上,为了提 高鞋印分类的自动化程度,本文是利用图像处理手段,对收集到的鞋印花纹图像 进行了具体分析。在梁德群导师的指导下,本人提出了新的算法。具体工作如下: 1 区别于现有鞋印分类的方法,提出了分块分类法:首先对原图像进行 归一化处理,并在此基础上按每块6 4 x 6 4 的标准对图像分块,进一步对每 个块迸行纹理识别,根据识别结果采用逐级分类的方法对整个鞋样分类。 2 在对块进行纹理识别前,首先参照鞋印标准轮廓线剔出含有边缘轮廓 以及背景部分的分块。 3 用l o g 算子对分块进行边缘检测,检测灰度像素设定阈值,进一步剔 除不含纹理或者少量纹理的分块。 4 把l a w s 掩模和花纹图像卷积后计算能量作为纹理描述的一个特征量 实现鞋印花纹的初步分类。 5 初步分类后在小波分解的基础上构造相邻尺度的共生矩阵,并采用 h a r a l i c k 统计量作为共生矩阵的特征量构造特征矩阵,提取特征矩阵的特 征量进行k n n 聚类分析,然后对上述两步未能确定的分块采用k n n 的 最小距离判断准则进行判断。 6 采用3 、4 、5 部分得到鞋印分块的分类结果,判断攘个鞋印纹理的类 型。实验中对采集的5 0 0 幅鞋印纹理类型作判别。 7 在完成上述理论和算法分析后,为测试本文算法,开发了鞋底花纹分 类系统。该系统所用的鞋底花纹分类与识别算法都是在w i n d o w s 操作系统 下用m a t l a b 语言编程实现的。 在课题完成过程中,我们采集了大量的鞋底花纹的图像,为算法的设计和完 成打下了基础。 第2 章鞋底花纹的预处理 2 1 鞋底花纹的预处理 2 1 1 彩色图像到灰度图像的转换 为完成本课题,实验室采集了大量彩色鞋底花纹的图像,实验过程以灰度图像 为主,因此需要将采集的彩色图像转为灰度图像。 1 、彩色图像 工程上通过采集卡得来的图像通常都为彩色图像,而且目前的很多硬件如彩色 监视器和打印机等也是符合彩色模型的。在数字图像处理中,实际中最通用的彩 色模式就是r o b ( 红、绿、蓝) 模型。该模型用于彩色监视器和一大类彩色视频 摄像机。 在r g b 彩色模式中,所表示的图像由3 个图像分量组成,每一个分量图像都 是其原色图像。在r g b 空间,用以表示每个像素的比特数叫做像素深度。考虑 r g b 图像,其中每一幅红、绿、蓝图像都是一幅8 比特图像,在这种条件下,每 一个r o b 彩色像素( r 、g 、b ) 值3 个一组称为2 4 比特深度n 4 1 。 2 、灰度图像 灰度图是指只含亮度信息,不含色彩信息的图像,就像我们平时看到亮度由 暗到明的黑白照片,亮度变化是连续的。因此,要表示灰度图,就需要把亮度值 进行量化。通常划分为0 2 5 5 共2 5 6 个级别,0 最暗( 全黑) ,2 5 5 最亮( 全白) , 是一幅8 比特图像。 b m p 格式的文件中并没有灰度图这一个概念,但是我们可以很容易的用b m p 文件来表示灰度图。方法是用2 5 6 色的调色板,只不过这个调色板有点特殊,每 一项的r g b 值都是相同的,也就是说r g b 从( 0 ,0 ,0 ) ,( 1 ,1 ,1 ) 一直到( 2 5 5 , 2 5 5 ,2 5 5 ) 。( 0 ,0 ,o ) 表示全黑色,( 2 5 5 ,2 5 5 ,2 5 5 ) 表示全白色,中间的是灰 色。这样,灰度图就可以用2 5 6 色图来表示了。灰度图像使用比较方便。首先,r 、 g 、b 分量的值都一样;其次,图像数据即调色板索引值,也就是实际的r g b 的 亮度值;另外,因为是2 5 6 色的调色板,所以图像数据中一个字节代表一个像素( 1 5 1 。 3 、彩色图像到狄度图像的转换 由于鞋底花纹识别关心的主要是形状信息,与颜色关系不大,而灰度图像使 用起来比彩色图像简单,因此本文采用灰度图像。但是,公安刑侦中一般采集的 是彩色图像,所以先将采集到的彩色图像转换成灰度图像。一般情况下彩色图像 每个像素用三个字节表示,每个字节对应着r 、g 、b 分量的亮度( 红、绿、蓝) , 转换后的黑白图像的一个像素用一个字节表示该点的灰度值,它的值在0 - 2 5 5 之 间,数值越大,该点越白,显示越亮,越d , n 越黑。转换公式为 g r a y ( ,) ;0 1 1 + r ( ,) + 0 5 9 + o ( i ,) + 0 3 + b ( i ,) ( 2 1 ) 其中g r a y ( ,) 为转换后的灰度图像在“,) 点处的扶度值,我们可以观察该式,其 中绿色所占的比重最大,所以转换时可以直接使用g 值作为转换后的灰度。 2 2 鞋印图尺寸归一化 2 2 1 鞋印图尺寸归一化的必要性 本人实验中采用的主要是统计的纹理描述方法。区域花纹的大小对纹理图像 的l a w s 能量值和共生矩阵的构造,以及特征值的结果影响较大,对大小不同的区 域进行归一化工作是非常必要的,而且归一化的结果直接影响识别效果。由于所 选区域不同而引起区域的尺寸相差很大,为使间类花纹适应识别的要求,必须对 选取区域花纹实行有效的大小归一化。 2 22 鞋印的尺寸归一化 图2 1 脚印测量图 f i g2 1m e a s u r i n go f f o o t 图2 1 为中国皮革学校的脚印测量图【1 6 1 。其中的各点在脚印实物的定义如下。 1 脚趾端部位a 1 ,脚趾端点长度o a l 。 2 拇趾外突部位点a 2 ,拇趾突点长度o a 2 。 3 小趾端部位点a 3 ,小趾端点长度o a 3 。 4 小趾外突部位点a 4 ,小趾外突点长度o a 4 。 5 第一跖趾关节部位点a 5 ,第一跖趾关节点长度o a 5 。 6 第五跖趾关节点a 6 ,第五跖趾关节点长度o a 6 。 7 前跗骨突点部位点a 7 ,前跗骨突点长度o a t 。 8 外腰窝部位点a 8 ,外腰窝部位点长度o a 8 。 9 舟上弯点部位点a 9 ,舟上弯点长度o a 9 。 1 0 外踝骨中心部位点a i o ,外踝骨中心长度o a l 0 。 1 1 踵心部位点m ,踵心点长度o m 。 1 2 后跟边距长度o b 乘以2 。 1 长宽比的统计 在实验室现有的5 0 0 0 张鞋印纹理图片1 6 0 张,对原始鞋印图像切割旋转后 计算其宽长得到图2 2 中的数据,对图中的数据取平均值得到宽长比为0 3 8 5 。 23i56ti o1 11 2 i o 2 t0 2 5 幄0 2 _ 电03 7 t 9 103 t 6 邓:03 t 1 10 * 0 3 6 90 蒉8 03 5 9 3 80 3 9 5 6 5 i03 7 6 0 3 :03 7 1 0 5o 3 佰5 j0 嚣203 “3 4 一 2 03 5 4 9 6 ,0 帆103 7 8 3 8 l0 1 0 自0 ”1 o l 昕t ,o 蛾i。o s :o 0 2 io 3 9 4 5 03 盯1 304 1 3 0 40 d b 2 5 0 3 1 3 l0 卵6 “0 1 8 9 2 3 04 丝0 203 9 4 6 203 6 1 1 :o3 9 7 4 4 104 0 t 明o3 8 8 3 。0 0 r03 9 8 6 9 ;0 升1 4 3 03 轴辑 03 5 t 柏 o3 s h l :03 5 ;03 8 0 0 903 8 1 3 60 柏9 4 03 5 3 9l0 帅l b l03 5 0 2 7 i03 w t 4 9 l03 8 8 4 3 :0 斯目0w 1 5 9 7 ;04 1 0 t 103 9 9 10 3 9 2 3 4 03 s 8 0 珊。03 6 8 l b ;03 5 1 4 603 5 3 4 103 5 0 5 03 9 嘲。03 5 8 8 :03 6 4 :03 5 b 筠l03 9 5 6 5 l03 0 3 e03 5 2 蚺03 6 9 l = | 0 弘i 。03 6 9 6 5 03 6 竹6o _ “03 8 t 3 9 :04 0 0 8 8 - 03 t 04 0 4 8 日 6o i m l0 i | o 。i0 3 0 6 l ;o3 3 104 0 9 9 1 104 1 3 0 404 1 3 筠l03 7 5 5 303 8 m 504 1 0 04 3 0 4 9 7 o lo ,9 lo 伽o3 6 5 9 6 io3 r 3 1 6 io 。low 0 , 3 5 o3 b o3 7 嘲0 i i e 铊 0 o 皓,03 9 1 6 70 4 03 t 2 8 o * l 控 o 雏2 _ o 饕5 1 s0 2 j 103 “03 7 2 抽03 9 3 1 一 03 8 6 8 3 i0 3 - r 4 o3 9 0 0 4o4 1 1 5 ;03 7 4 3 j0 m s ;0 1 w03 2 t03 6 3 g “ 0 鞠i 拍0 o _ * ;0 :f o 挖30 绷 03 1 0 搬j0 3 t 日他 o i o t l0 柏3 0 ,器撼0 mn 钾目g0 m 4 70 嚣t t 2o “203 帖弱 o 3 1 8 6 :03 9 8 3 4 :0 m0 2 t 3 l0 珊0 03 7 i w 503 “2 6 ,0 们1 6 0 5 羁0 筠0 204 1 9 9 l 1 0 0 钉5 ,03 a 0 1 7 :0 心3 t03 盼* 图2 2 鞋印库鞋印宽度与长度比 f i g2 2 s t a t i s t i c st a b l eo fp r o p o r t i o no fl e n g t ha n dw i d t h 2 垂直方向上比例的确定 图2 3 为中国皮革学校统计的近1 0 年来脚印长度比原始统计数据p t 。 鞋印库里的鞋印以三种鞋为主:皮鞋,旅游鞋,运动鞋。除皮鞋外旅游鞋和 运动鞋鞋底部花纹比较连续,并且在前跗骨突点a 7 和外踝骨中心部位点a i o 位置 没有明显的断层或是波折。因此在垂直方向上的比例确定以皮鞋为主,分成三个 主要区域:4 ,爿2 和4 。参照脚印的比例爿m 7 :a 7 a 1 0 :o a l 0 = 6 :4 5 :2 5 。 。 l 长度位量 规擅值( 蛾乎酷)男2 5 号脚数值女2 3 号脚数值 脚长都位一。l 一一可玎r 1 1 1 0 0 1。;一捌的。“2 3 0o 0 。 鹬蛀矸粪赢睛匿一f 哥娃r ” 确 ? i 一砬i 试f 黼。丽一一 徽黼蓐毽f 一“r 黾甜? 醴。筝一i ”吾铽嚣:弋蠕”亏j h i 趾外交点铘位一 p 6 矾一一w 一一,霸i j 6 百一一r 一一了衬一丽一l 帮二跖耻凳博点鼙艇一。f _ 哺“f 住 “1i i “嚣 f 酷幅 粼五路毗兴带点帮挂。一f d 珏。曲手 5 1 甑t 5 i l 谢瞒 | 哥旨附臀裳点”6r i 衍一:一一芎莒一r 的誊f r 一 一l 衙:l 可一 愀部簋一一l 一一丽一1 一弋f 一厂匝可一_ 蓟:酊一。 簸f 鬻磁一7 丽一? 鲥r 7 一酣斟一一+ 莳“蟮 外磲昔串心郴懂 o i f o诬5 、一1 蝠鹤 s l t 5 隧心部位卜嘲:。 1 8i i 嘶 4 l4 0 精酾筮距一一r 丽一r 一t 厂一一面丽一瓠6 舞滞磁鳓觥r 一一一厂一试一广一萌增广弋两百r r 了i f 西 图2 3 中国皮革学校测量脚印的统计数据 f i g2 3 s t a t i s t i c sd a t eo fc h i n e s e1 e a t h e rs c h o o l 后踵心即俗称的后脚心为人站立时的支撑部位。为了增加皮鞋后脚跟的受力 面,实际皮鞋的在外踝骨中心部位点a 1 0 位置的断层有偏移量,方向指向o 一爿l , 即a 7 a 1 0 :o a i o 4 5 :2 5 。因此本文采用长度上的比例为:4 :4 :4 6 :4 :3 。 3 尺寸归一化及分块 本文采用长宽比为( 6 + 4 + 3 ) :5 t2 6 ,这样既保持长度上的比例,也将长宽比 与实际的比例误差控制在0 0 0 1 9 范围内。 确定尺寸比例后,对图像进行分块,每块大小为6 4 x 6 4 ,纹理块的总数1 3 x 5 , 鞋印图的标准大小为8 3 2 3 2 0 。对角度调整完的图像进行双线性插值法缩放,并 且编号:第一行为1 - 5 号,第二行为6 1 0 号,以此类推。图2 4 为完成分块的图 形。 图2 ,4 已完成分块鞋印例图 f i g2 4e x a m p l eo ldiv i d e ds h o ep r i n t 223 鞋印图的剪切 一幅图像可以定义为个二维函数,0 ,y ) ,这旱的z 和y 是空间坐标,而在任 何一对空问坐标( x ,y ) 上的幅值,称为该点图像的强度或灰度。当x ,y 和幅值,为 有限的离散的数值时,称该图像为数字图像。数字图像是有限的元素组成的,每 一个元素都有一个特定的位置和幅值,这些元素成为图像元素或者像素。对于一 幅待处理的数字图像,用户可能只是关心图像的一部分内容而不是整个图像。如 果对整个图像进行处理,不仅要花费大量的时间,而且图像其它部分可能会影响 处理效果,所以这时就要剪切出所要关心的部分图像,也就是图像剪切,这样可 以大大提高处理的效率。 为了方便用户,一般的程序中图像剪切方法和m a t l a b 的函数库中提供了 l m c r o p 图像剪切函数类似。m a t l a b 的i m c r o p 函数在操作界面上实行的是简单的一 键操作,即用户在图形界面上先取一点,以该点作为矩形区域的左上点a ,然后拉 框选取,选中所要选择的区域【l b l 。也可以确定a 点后输入矩形的长度和宽度选取 用户感兴趣的部分。鞋印的外沿都呈现为不规则的椭圆,采用类似l m c r o p 函数的 剪剀方法,矩形区域的左上点亦即矩形区域的起始点选取需要用户进行目测。用 户在剪切鞋印图像时会因为目测的偏差,导致矩形区域包含部分背景或者部分鞋 印没有包含进来,这样为了更好地剪切鞋印图像,用户需反复地目测以便于精确 定位矩形区域的起始点。 本人在图像剪切时并没有宜接采用类似m a t l a b 的i m c r o p 函数剪切方法。实际 的实验过程中,本人定义4 个点。,a 。,a ,口,4 点,分别为鞋印轮廓的上沿最 佳逼近点,下沿最佳逼近点,以及左右两侧最佳逼近点,如图2 5 。 图2 5 原始鞋印| ! | 和逼近点。,a 6 a f ,4 , 出通过g ,的水平线和通过n ,q 的垂直线构成封闭区域。m a t l a b 中的g e t 函数在取点时根据用户定义点的横坐标形成一条十字线。因此我们可以利用这条 垂直线来逼近鞋印的4 个方向上的最外点。具体步骤是:第一步用十字线逼近鞋 印的上面和下面,垂线与鞋印左右两边外沿轮廓形成交点a 。和a 。,第二步用十字 线逼近鞋印的左边和右边,获取鞋印上下两个外沿轮廓的最外点a 。和口,。 2 2 4 鞋印的角度调整 1 鞋印中心线 鞋印实地拍摄大部分过程在室内完成。在实际拍照过程中,考虑到室内光线 的问题,技术人员为了获取比较清晰的鞋印纹理。需要调整拍摄的角度。这样拍 摄下来的照片中的鞋印会出现各种角度,见图2 6 。 无论照片j 二鞋样呈现何种形状,何种角度,在总体轮廓上都要与人的脚印轮 廓相符合。因此在鞋印的角度调整上本人以脚印的形状轮廓为基本轮廓,脚印中 心线为基准线来确定鞋印的实际角度偏差加以调整。 酗2 6 原始鞋印图 f i g2 6o r i g i n a ls h o ep r i n t 实

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论