（信号与信息处理专业论文）基于纹理与形状特性的鞋底花纹自动识别算法的研究.pdf

摘要 在刑事案件侦破中，案发现场提取到的足迹和鞋印对串并案件的侦破有重大作 用目| j 订，我国大中城市公安机关的刑事技术部门很少建立现场鞋印库，更谈不 上利用计算机进行管理。刑事技术人员从现场提取的鞋印种类繁多，数量庞大， 如果不进行科学管理，鞋印积累越多，越可能损坏，甚至丢失。另外，大量的现 场鞋印同积月累，人工进行管理，同样面临出错的现象，因此有必要寻找一种基 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。 本文是利用图像处理手段，对收集到的鞋厂鞋印花纹图像进行了具体分析， 考虑了公安中具体操作人员的反馈意见，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，提出了本文的算法： l 、改进了图像预处理中的二值化的方法，为后续的多花纹识别打下了基础。 2 、利用形态学滤波并结合形状特性来识别小的点状花纹，在二值化图像基础上， 利用二值图细化及交叉点的检测算法来识别交织型花纹。 3 、利用c a n n y 算子检测边缘，并提出了一种新的具有记忆功能的边界跟踪算法， 对边缘进行边界跟踪，对跟踪过的边缘进行分类。 4 、对于跟踪得到的不封闭边缘提取出主要的边缘采用链码的方法进行分析，总结 了直线和弧线的链码特征，根据此特征把线条类型花纹细分成直线型和弧线 型，把波折类型花纹细分成折波型和弧波型。 5 、封闭的边缘利用形状特征中的圆形度及区域投影后均值与最大值的比率来对 边块型和圆型花纹进行粗分类，针对具体情况改进了传统的h o u g h 变换，用改 进的h o u g h 变换进行细分类，把属于圆型的花纹分成椭圆型和标准圆型花纹。 关键词：鞋底花纹；二值化；边界跟踪；链码；霍夫变换 a b s t r a c t i nt h ei n v e s t i g a t i o no fc r i m i n a lc a s e s ，f o o t p r i n t sa n ds h o ep r i n t st a k e nf r o mc r i m e s c e n e sa r ei m p o r t a n ti ns e r i a la n dp a r a l l e lp r o c e s s i n go fc a s e s a tp r e s e n t ，o n l yaf e w p o l i c ec r i m i n a lt e c h n i q u ed e p a r t m e n t si nb i go rm i d d l ec i t i e so fo u rc o u n t r i e sh a v es e t u ps h o ep r i n t ss t o r e r o o ma n dc o m p u t e r sa r en o tu s e di nt h em a n a g e m e n to ft h ec r i m e s c e n es h o e p r i n tp h o t o s t h ea m o u n ta n dv a r i e t i e so fs h o ep r i n t se x t r a c t e df r o mc r i m e s c e h e sb yc r i m i n a li n v e s t i g a t i o np o l i c e m e na r ev e r yh u g e i fn o tm a n a g e db ys c i e n t i f i c m e t h o d s ，t h em o r es h o ep r i n t sa r ea c c u m u l a t e d ，t h em o r ep r o b a b l yt h e ym a yg e ts p o i l e d o re v e nl o s t i na d d i t i o n ，l a r g en u m b e ro f s h o ep r i n t sa c c u m u l a t e do v e ral o n gp e r i o do f t i m ea n dm a n a g e db ym a n u a lw o r k ，a l s of a c e st h ed a n g e ro fb e i n gm i s t a k e no rc o n f u s e d s oi ti sn e c e s s a r yt of i n dak i n do fi m a g ep r o c e s s i n gm e t h o du n d e rt h i sb a c k g r o u n d ，t o m a k eu s eo ft h ec h a r a c t e r i s t i c so ff a s ts p e e do fc o m p u t e r s ，t 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 ，a n dt op l a ya ni m p o r t a n tr o l ei nc r i m i n a l i n v e s t i g a t i o n i nt h i s d i s s e r t a t i o n ，t h e c o n c r e t e a n a l y s i so ft h ec l a s s i f i c a t i o n o fs h o e p r i n t s c o l l e c t e df r o ms h o em a n u i a c t o r i e sa r ec a r r i e do u tf i r s t t h e nb a s e do nt h ef e e d b a c k o p i n i o n so fp o l i c eo p e r a t o r sa n dt h er e s e a r c hw o r k si ni 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 eu n i v e r s i t y ，t h ea l g o r i t h m sa r eb r o u g h t f o r w a r da sf o l l o w i n g ： 1 i m p r o v i n g t h eb i n a r i z a t i o n a l g o r i t h m w h i c hf o r m st h eb a s ew o r ko f i d e n t i f i c a t i o no fc o m p l e xt e x t u r e s 2 m a k i n gu s eo fm o r p h o l o g i c a lf i l t e rc o m b i n i n gw i t hs h a p ec h a r a c t e r i s t i c si n o r d e rt o i d e n t i f y d o tt e x t u r e s t h ei n t e r l a c e dt e x t u r e sa r ei d e n t i f i e db y d e t e c t i n gc r o s sd o t si nt h et h i n n e de d g e so fb i n a r yi m a g e 3 m a k i n gu s eo fc a n n ym e t h o dt od e t e c ti m a g ee d g e s an e wa l g o r i t h mw i t h m e m o r yf o ri m a g eb o u n d a r yt r a c i n g i sp r o p o s e d a f t e ri m a g eb o u n d a r y t r a c i n g ，t h ec l a s s i f i c a t i o no ft h et r a c e de d g e si sm a d e 4 a d o p t i n g t h ec h a i nc o d em e t h o dt oa n a l y z et h em a i ne d g e so fn o t c l o s e de d g e s e x t r a c t e df r o mt h o s ew h i c hh a v eb e e nt r a c e d a c c o r d i n gt ot h ec h a r a c t e r i s t i c s o fl i n e sa n da r c s ，l i n e sa n da r c si nl i n et e x t u r ea n dl i n e - w a v e s h a p ea n d a r c w a v e - s h a p ei nw a v e s h a p et e x t u r ea r ed i s t i n g u i s h e d f o rc l o s e d e d g e s ，t h ep o l y g o n t e x t u r e sa n dt h ec i r c u l a rt e x t u r e sa r e d i s t i n g u i s h e db ym a k i n gu s eo ft h ec i r c u l a rd e g r e ea n dt h er a t i oo ft h ea v e r a g e v a l u ea n dt h em a x i m u mv a l u ea f t e rt h ec l o s ea r e ap r o j e c t i n g a c c o r d i n gt ot h e f e a t u r eo fs h o e p r i n t s ，i m p r o v e m e n to nt h eh o u g ht r a n s f o r mm e t h o di sm a d ei n o r d e rt od i s t i n g u i s ht h ee l l i p s ea n dc i r c l ei nc i r c u l a rt e x t u r e s k e yw o r d s ：s h o ep r i n t s ；b i n a r i z a t i o n ；b o u n d a r yt r a c i n g ；c h a i nc o d e ：h o u g h t r a n s f o r m 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 ：墨垂i ! l 复塑塑蛀焦塾努壶燕l 蚴塑场l ! 望隆： 。除 论文中已经往明引用的内容外，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 经公开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：王烈毛童j 一。年多月) 卫日 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：王褊生 导师签名知淆 闩期：j b 。年多月淑同 第1 章绪论 1 1 论文的背景及研究意义 足迹作为案发现场中最易被提取的一种物证，在串并案件工作中的作用一益 费出，但是由于当前各地公安系统足迹管理方法不同，大多采用手工操作、人工 管理的方法，形式单一，时效性差，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【“。 e 足迹检验领域，采用信息化技术是解决足迹检验技术高效率、科学化、标准 化的有效途径。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，造成市局的工作量f 1 益增大。现在，利用计算机和图像处理技术 提小牲刚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。通过陔算法的研究，充分利用了计算机快速、高效的特 点，解决了山人工识别带来的二义性，提高了管理的效率。可见，对鞋印花纹的 自动t ； 别与分类算法的研究有着重大的经济效益和社会效益n 固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 f r e e m a n 公司的s i c a r ( s h o e p r i n ti m a g ec a p t u r ea n dr e t r i e v a l ) ，目前最新版本 s i c a r 4 引。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，i - r 以将现场鞋印在嫌疑人库，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l o 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 股形等。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 e a d m a r ks y s t e mo f a n a l y s i sa n df o o tw e a ri d e n t i f i c a t i o n ，自够实现人工干预条件f 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， 同时以别率也偏低引。 1 2 课题的发展 一 本论文的相关课题为企业委托课题，是大连海事大学信息工程学院信号与图 像处理研究所与大连恒锐图像技术有限公司的科研合作项目。本人导师k 明从! j 数字信号处理和数字图像处理的研究工作，在分析总结国内外研究经验的基础上， 往信号检测和图像处理方面取得了不少研究成果。大连海事大学信号与图像处理 研究所的杨哓胜硕士曾采用了概率统计技术、多尺度小波边缘检测技术、形状分 析技术相结合的方法实现了鞋底花纹的自动识别和分类算法，将鞋印花纹分成六 类柬泌别，为木课题的深入研究打下了基础。但是该算法往往不能满足现实中的 应用，其一足能够 = 别的鞋印花纹种类较少，其二是该算法只适用于鞋样剀片中 岔有单一花纹的检测，其三是算法本身对噪声敏感，从而影响识别的准确率。因 此人们对鞋印自动识别算法提出了更高的要求。本人在国内外已有的图像纹理分 析算法及总结以前算法的基础上，做了深入的研究，提出了自己的算法，根据客 户的反馈，将可以通过计算机识别的花纹种类增加到9 类，并且解决了鞋印图片 中多花纹的以别问题，从最后的开发的实验系统来看，浚算法具有极高的识别准 确率，可以晚木算法在以前的算法上取得了很多的突破。 1 3 本人的工作 本课题是存从鞋厂采集到的大量鞋底花纹样本进行了实验的基础上完成的。 按客户需求的鞋底花纹的分类类型，针对不同花纹的识别进行了理论分析和实际 算法分析。由于鞋底花纹的自动识别是一项复杂的工作，本人所完成的工作是整 个工作中的其中一部分，即假定经过前边的流程己经在鞋底上分割好了含有纹理 的矩形区域，本人以下所做的工作是基于已分割区域的花纹识别。 本论文所涉及的领域包括图像处理与目标识别。对于鞋印花纹的特征进行识 别在一定意义上可以理解为图像识别，即在确定的图像中提取出感兴趣的目标。 为了进行图像识别，首先要进行图像处理。图像处理就是为了达到改善图像质量， ：附图像变换成便于人们观察、适于机器识别的目的。图像识别是对经过上迓处邢 后的图像进行特征抽敬，如抽出图像的边缘线及轮廓，进行区域分割等，找出图 像各个部分的形状和纹理特征然后利用模式匹配、判别函数等识别理论对罔像 进行分类。本沦文的研究工作围绕着两部分展开： 第一部分，在对大量的鞋印花纹做实验的基础上，改进了图像预处理中的二 值化的方法，能够在对比度很小的背景中将小目标提取出来，从而为后续的多花 纹识别提供了可能。在二值化图的基础上采用形态学滤波结合形状特征等先验知 识识别出小的点型花纹。对二值图进行细化，对细化图去除毛刺和噪声点，然后 用交叉点检测的算法识别出交织型花纹。这里介绍的算法中涉及到了o t s u 阈值二 值化，形态学开运算，闭运算，t o p h a t 变换，区域标号，二值图像的细化，交叉 点检测等图像处理技术的原理。 第二部分，利用c a n n y 算子良好的边缘检测性能对鞋印图像进行边缘检测， 用边界跟踪算法提取特征边缘，针对要从边缘图像中一次提取线，圆等目标的任 务，提出了一种新的边界跟踪算法，该算法具有旧忆分叉点的能力，能够很好的 解决跟踪中遇到的分叉点问题。边界跟踪的结果将边缘按其封闭性分成两类分别 进行后续识别。不封闭的边缘用链码跟踪的方法进行方向特征提取，先讨论了关 于直线和弧线的链码特征，然后根据复杂事物由简单事物组成的思想，把折波看 成不同方向直线的组合，把弧波看成弧线的组合，进而根据链码特征识别出线条 类型的直线和弧线花纹以及波折类型的折波和弧波花纹。封闭的边缘求取其形状 特征包括圆形度，区域投影后均值与最大值的比率，将边块型花纹识别出来，最 后对形状识别中的经典方法h o u g h 变换做了细致的讨论并将其改进，用于圆形的 识别。在理论证明的基础上，论文的工作还包含了m a t l a b 仿真实验，仿真实验的 结果进一步验证了论文提出的处理算法的可行性。 在课题完成的过程中，本人收集并拍摄了大量的鞋底花纹的图像，用5 0 0 多 幅图片作了实验。为了使该算法更加实用，本人多次的与公安机关中具体的足迹 信息管理人员进行了沟通和讨论，所有的这些工作都为算法设计的完成和本文的 完成打下了坚实的基础。 3 第2 章鞋底花纹预处理 2 1 鞋底花纹的类型预分类 鞋底花纹种类繁多，样式千奇百怪。通过对大量图片的分析，以及与具有丰富 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。因此， 综合考虑得到了以下的鞋底花纹类型分类的定义标准： l 、点型 出多个细小点块状凸起组成的花纹，花纹面积小于0 5 c m x0 5 c m 。 圈21 点型例图 f i g 2 1d o tt e x t u r ee x a m p l e 2 、交织型 由若干线条构成的相交或经纬相互沉浮穿插组成的花纹。 3 、直线型 图2 2 交织型例图 f i g 2 2i n t e r l a c e dt e x t u r ee x a m p l e 由若干直线组成的花纹。线条互不相交，或间断或连续。 图2 3 直线型例图 f i g 2 3l i n e st e x t u r ee x a m p l e 4 、弧线型 由若干弧线组成的花纹。线条互不相交，或间断或连续。 图2 4 弧线型例图 f i g 2 4a r c st e x t u r ee x a m p l e 5 、折波型 由波峰、波谷相连的折线围成的花纹。折波型花纹至少有一个波峰和一个波谷。 花纹整体均匀。 图2 5 折波型例翻 f i g 2 5l i n e w a v e s h a p et e x t u r ee x a m p l e 5 6 、弧波型 由波峰、波谷相连的光滑的曲线围成的花纹。弧波型花纹至少有一个波峰和一 个波谷。花纹整体均匀。 图2 6 弧波型例图 f i g 2 6a r c w a v e s h a p et e x t u r ee x a m p l e 7 、圆型 由圆形组成的花纹，花纹面积大于0 5 e m 0 5 e m 。 图2 7 圆型例图 f i g 2 7c i r c l et e x t u r ee x a m p l e 8 、椭圆型 由椭圆形组成的花纹，花纹面积大于0 5 c m x 0 5 c m 。 图2 8 椭圆型例图 f i g 2 , 8e l l i p s et e x t u r ee x a m p l e 9 、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 m 0 5 c m ，图形宽度大 于0 5 c m 。 图2 9 边块型例图 f i g 2 9p o l y g o nt e x t u r ee x a m p l e 1 0 、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。 1 l 、其它型 图2 1 0 图案型例图 f i g 2 t od e s i g nt e x t u r ee x a m p l e 图2 1 l 文字型例图 f i g 2 1 1c h a r a c t e rt e x t u r ee x a m p l e 不能分类到l l o 类的花纹。 2 2 鞋底花纹图像的预处理 2 2 1 彩色图像的灰度化处理 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，而获度图像使 用起来比彩色图像简单因此本文主要对灰度图像进行处理。但是，鞋印识别中 的原始图片来自于鞋厂实际拍摄到的鞋样照片，均是彩色图像，所以预处理中首 先需要将采集到的彩色图像转换成灰度图像。 l 、彩色图像 在数字图像处理中，实际中最通用的彩色模式就是r g 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 g b 彩色像素( r 、g 、b ) 值3 个一组称为2 4 比特深度【4 1 。 2 、荻度图像 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 色的调色扳，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 ，o ) ，( 1 ，1 ，1 ) 一直到( 2 5 5 ， 2 5 5 ，2 5 5 ) 。( o ，0 ，0 ) 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【5 1 。 3 、彩色图像到灰度图像的转换 由彩色转化为狄度的过程叫做灰度化处理。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浚点的扶度值，它的值在0 - 2 5 5 之间，数值越 大，陔点越自，即越亮，越d , n 越黑。转换公式为 g r a y ( ，) = 0 1 14 r ( z ，) + o 5 9 c ( i ，) + o 3 + b ( i ，)( 2 1 ) 其中g r a y ( ，) 为转换后的灰度图像在( f ，) 点处的灰度值嘲。 2 22 灰度图像的平滑去噪 实际采集到的图像由于光照强度的情况和噪声引起图像质量下降，会严重影响 识别率。为此，预处理的第二步需要滤除噪声。未经处理的原始图像中都存在一 定程度的噪声干扰。由于噪声源众多( 如光栅扫描、底片颗粒、通信传输等) ，噪 声种类复杂( 包括加性噪声、乘性噪声、量化噪声等) ，所以平滑方式也多种多样， 既可以在空问域进行，也可以在频域进行。空间域平滑法主要是在空间域中对图 像像素灰度值直接进行运算处理，它包括多图像平均法、邻域平均法、自适应平 滑滤波和中值滤波等。 邻域平均法实质上是一种线性低通滤波的方法，也n d , 区域模板卷积操作，计 算时将模板中心和图像中待处理的像素点重合，并将模板各元素值与模板下各自 的对应像素值相乘，最后将模板响应输出( 模板各像素乘积之和) 作为当前模板 中心像素的灰度值。操作后的图像会有一定程度的模糊，模糊程度和模板的大小 有关。 令所讨论的像素灰度值为f ( j ，k ) ，以此像素为中心，窗口像素组成的点集以以 表示，集内像素数以l 表示，经邻域平均滤波后，f ( j ，k ) 对应的输出为： 刚朋。z 1 。警) 即用窗口像素的平均值取代f ( j ，k ) 原来的灰度值。平滑后的像素点g ( j ，) 的 狄度值由包含在( j , k ) 的预定邻域中的几个像素灰度值的平均值来决定。以3 3 的 窗口为例，中间一个像素为待处理像素，将该像素的灰度值和它周围邻近8 个像 素的荻度值相加，然后将求得的平均值作为新图像中该像素的灰度值。计算中用 到的最简单的模板如下所示： 邻域滤波往往不只是把干扰去除，还常把图像的边缘模糊，因而造成视觉上的 失真，如果目的只是把干扰去除，而不是刻意让图像模糊，则采用高斯滤波是比 较好的选择。通过对二维高斯函数进行采样可以得到高斯模板m ，高斯模板如下所 去 采用高斯模板滤波可以增强图像中物体边缘渐变部分的坡度，使得边缘部分显 示得到增强，因而，本文采用了高斯滤波。对灰度图像采用高斯模板进行滤波后 发现，高斯滤波不仅较好的消除了强脉冲性噪声的影响，而且较好地保留了图像 1 0 1 “1 1 l 1 n i _ _ 二，h r 1 9 第3 章基于纹理特征的花纹类型识别 3 1 纹理的定义 纹理是图像分析中常用的概念，主要研究如何获得图像纹理特征和结构的定量 描述和解释，以便于图像分析、分割和理解。尽管纹理在图像分类和图像分析中 所起的作用非常重要，而且存在范围非常广泛，但是关于图像纹理的精确定义至 今尚未做出。一般来说，可以认为纹理出许多相互接近的、相互编织的元素构成， 并常富有周期性。纹理可认为是狄度( 颜色) 在空阳j 以一定的形式变化而产生的 图案( 模式) 。 图像中反复出现的局部模式和它们的规则排列形成了图像的纹理，此局部模式 也称作是纹理基元。纹理是真实图像区域固有的特征之一，任何物体的表面在放 大到一定程度后均会显现出纹理结构，因此量化区域的纹理内容可以对区域进行 描述。关于纹理的标志可归结为下述三个要素： 某种局部的序列性，在该序列更大的区域内不断重复。 ( 2 ) 序列由基本部分非随机排列组成。 ( 3 ) 各个部分大致都是均匀的统一体纹理区域内任何地方都有大致相同的结 构尺寸。 按照以上的定义，点型和交织型的花纹均属于纹理特征。它们可以看作为若干 纹理基元根据某种空间规则排列的组合。 3 2 鞋印图像的二值化 3 2 1 传统的o t s u 阈值方法原理 在鞋印自动识别系统中，点型花纹和交织型花纹的识别过程，二值化是非常 关键的一步，二值化的效果直接影响到后面的识别效果。 二值化算法又称为闽值算法，其目的就是要找出一个合适的闽值，将待研究 的区域划分为前景和背景两部分f ”。假没一幅灰度鞋印图像大小为m x n ，厂( z ，y ) 表示位于图像中( j 一1 ) 行，( y 一1 ) 列的像素的灰度值，其中，0 z c m ，0 yc ， 七，y 整数，那么二值化处理可用下式表达： 似川= 腻1 7 22 主f ， 这里的t 称为阂值( t h r e s h o l d ) ，经过二值化处理后，背景和前景就由黑白两 种颜色分丌，选择不同的阈值会得到不同的二值化效果。对灰度图像进行二值化 的方法主要有全局动态二值化、局部自适应二值化法。经过理论分析与实验，本 文采用了经典o t s u 算法【9 】的改进方法。 全局动态二值化算法从整个灰度图像的像素分布出发寻求一个最佳的门限 值，其中的经典算法o t s u 算法，它是在判别最小二乘法的基础上推导出来的。其 壁术思想是：取一个阈值t ，将图像像素按灰度大小分为大于等于t 和小于t 两类， 然后求出两类像素的平均值方差即类间方差2 ，和两类像素各自的均方差，即类 内方差盯。2 ，找出使两个方差比盯。2 吼2 最大的阈值t ，该闽值即为二值化图像的 最佳阂值。这种二值化算法不论图像的直方图有无明显的双峰，都能得到较为满 意的效果。因此这种方法是阀值自动选取的较优方法。 具体算法描述如下： 设给定图像具有l ，2 ，3 ，l ，共l 级灰度，闽值设为k ，把灰度大于k 和小于k 的像素分为两类。类1 中，像素总数为嵋( k ) ，平均灰度为m 。( k ) ，方差 为o 。2 ( k ) ；类2 中，像素总数为( k ) ，平均灰度为m ：( k ) ，方差为仃：2 ( k ) ；所 有图像像素的平均灰度为m 。 基于以上假设，类间方差口。2 和类内方差仃。2 可分别出公式( 3 2 ) 和( 3 3 ) 确定： o - 。2 = 峨( m 。- m 。) 2 + w z ( m 2 一m o ) 2 ；啊睨( m 。一m ：) 2 ( 3 2 ) o r a 2 = m q 2 + r v 2 0 2 2( 3 3 ) 3 2 2 新的o t s u 阈值改进算法 上面肘传统的基于o t s u 闽值识别方法原理进行了简单的介绍。这种方法比较 简单，计算速度较快，但对于含有多种花纹的鞋样，由于含有某些纹理特征的区 域扶度对比度较差，在这种情况下传统的方法难以分离出背景中的目标。 ( a )( b )( e )( d ) ( a ) 原始幽像：( b ) 灰度图象：( c ) o t s u 蚓值二值化结果：( d ) 改进的o t s u 算法二值化结果 图3 1 鞋底花纹的二值化 f i g 3 1b i n a f i z a t i o no fs h o et e x t u r e s 考察图3 1 ( a ) 的两幅图，其狄度图如图3 1 ( b ) 所示，其直方图和三维示图如图 3 2 所示，从直方图中我们可以看到，此类图像的直方图都是双峰的，经过传统 o t s u 算法计算的闽值是选择两峰之问的谷值作为闽值来分割目标和背景，分割结 果如图3 1 ( c ) 所示，我们可以看到，传统的方法虽然可以将与背景对比度大的椭圆 目标分割出来，但是由于椭圆花纹周围的点目标和背景的对比度很低，对于这些 点目标，采用传统的算法就很难分割出来了。 幽3 2 鞋底花纹的直方i 鳘| 和三维示幽 f i g 3 2h i s t o g r a ma n dt h r e e d i m e n s i o n a ls k e t c hm a po fs h o et e x t u r e s 为此，在对传统o t s u 阈值方法进行研究的基础上，本文采用了一种新的o t s u 阈值改进的二值化方法，通过浚方法能够提取出淹没在背景中对比度较差的目标。 算法描述：假设经过预处理后的图像为，运用公式( 3 2 ) 和公式( 3 3 ) 计 算图像，i 的o t s u 阈值z 1 0 】，利用闽值瓦对图像进行二值化( 假设目标灰度为1 背景灰度为o ) ，将图像，中扶度小于正的灰度值存入一个一维数组r 中，然后再 次根据o t s u 阈值方法对月中的扶度值利用公式( 3 2 ) 和公式( 3 3 ) 求取阈值l ， 利用闽值l 对，重新进行二值化。采用上述方法对一组图像进行二值化的结果如 图3 1 ( d ) 所示。从图像中我们可以看出采用改进的方法可以进行有效的分割，既能 得到与背景对比度大的目标，又能分割得到淹没在低对比度背景中的点目标，从 而为下一步的识别打下基础。 3 3 基于数学形态学的点型花纹的识别 33 1 数学形态学基础及目标形状的特征量提取 1 数学形态学基本定义 设，0 ) 和6 伍) 是定义在二维离散空间f 和b 上的两个离散函数，其中f ( x ) 为灰度图像，6 “) 为结构元素，则4 种基本形态学变换定义如下： ，0 ) 关于6 0 ) 的膨胀和腐蚀分别定义为 ( ，0 6 ) o ) 5 吧掣， 一y ) + 6 ( y ) ( 3 4 ) ( 舟6 ) 0 ) 2 嘧 ，0 + y ) 一6 ( y ) ) ( 3 5 ) f ( x ) 关b ( x ) 的形态开和形态闭分别定义为 ( ，。6 ) 0 ) 一【( 徊6 ) 0 6 j ( x )( 3 6 ) ( f 6 ) o ) = k ，o ) b ) o b k ) ( 3 7 ) 2 t o p _ h a t 变换 形态学中的t o p _ h a t 变换是一种简单的对灰度图像进行物体分割的工具，要 求待处理物体在亮度上能够与背景分丌。t o p _ h a t 变换算子，记为h a t ( a ) ，是形态 学中膨胀、腐蚀等基本算子的组合，其定义为： h a t ( a ) = a ( a ob ) ( 3 8 ) 可见t o p - h a t 运算是原始图像信号与其开运算后的信号之差，所以经t o p _ h a t 变换 处理后的图像能抑制平缓变化的背景和不相关的结构信息，提取出形状类似于结 构元素的孤立目标和噪声，因此t o ph a t 具有高通滤波的特性。那些与结构元素b 不符的部分通过玎运算被去掉，再用_ 原始图像减去开图像，被去掉的部分就清楚 显现出来了。实际的分割可以通过闽值化操作。 3 t o p _ h a t 算子及性质 t o p h a t 算子根据使用丌，闭运算的不同而分为开t o p _ h a t 算子和闭t o p h a t 算子【”i 。 丌t o p _ h a t 算子( o p e n i n gt o ph a t ) 定义为 o t h ，。似) = ( ，一厂。6 ) ) ( 3 9 ) 闭t o p h a t 算子( c l o s i n gt o ph a t ) 定义为 c t h , b ( 上) ；【f b 一，) ( z ) ( 3 1 0 ) 性质t o p h a t 具有高通滤波的某些特性，即丌t o p _ h a t 算子能检测图像中的峰， 而闭t o ph a t 算子则能检测图像中的谷。 4 、目标形状的特征量提取 ( 1 ) 标号 图像完成分割后得到一幅包含前景和背景的二值图像，为了完成进一步的目 标i = 别，首先要对分割出来的物体进行标号处理，即赋予每个物体一个序号以标 识该物体，然后分析各物体的有关特征。对一幅二值图像从左向右、从上向下进 行扫描要标记当前正被扫描的像素需要检查它与之前扫描到的若干个近邻像素 的连通性。如果发现它与两个或多个目标相连通，则可以认为这些目标实际是同 个，并把它们连接起来。如果发现了从o 的像素到一个孤立的为l 的像素的过 渡，就赋一个新的目标标记【1 3 j 。 ( 2 ) 面积s 匝积是描述区域大小的最基本特征，图像中的区域面积可以用同一标记的区 域中像素的个数柬表示。若区域面积小于8 0 ，可能是点型花纹。 ( 3 ) 长宽比r 由于鞋底花纹提取到的目标一般都是较规则的图像，本文采用了目标区域的 列数和行数的比值来计算得到长宽比。这一特征可以将短小的物体与纤细的物体 分丌。 3 3 2 点型花纹的识别算法 点型花纹是由多个细小的点块组成，每个区域的面积很小。有些点目标强度 弱，噪声和背景干扰强，使得目标淹没在背景之中，给点目标检测带来困难。 = 别的关键问题在于如何有效地抑制背景和噪声，同时又能较好的保护和提取目标。 数学形态学中的t o ph a t 变换能在较暗( 亮) 的背景中找出亮( 暗) 的像素聚集， 是一种极好的高通滤波算子。我们利用t o ph a t 算子这种性质，对经过二值化后的 图像进行形态学滤波，再结合面积和长宽比等先验知识便可以分割得到点状目标， 最后对某一区域提取的点目标的数量进行统计，大于某阈值便可以识别为点状花 纹。 算法描述： 1 、选择面积比点目标略大的结构元s 1 为8 8 ，对二值图像进行开t o ph a t 变换： 2 、选择面积比点目标小的结构元s 2 为2 2 ，对图像进行形态丌运算，除去 向秘小于s 2 的虚假目标点； 3 、对目标区域进行标号，对每个标号区域进行统计，若满足面积5 r ，c 一c t ，k = f ，。 这是两个跟踪方向交替出现的情况。 。i i ；： ，。y ，_ 一? rr ： 卜i - - ： 卜。? ? - ： 一+ 一1 o y _ - k j 。l 二。j 。j 。- 。1 。，。 。j 幽4 7 一条直线链码的例子 f i g 4 7e x a m p l eo fl i n ec h a i nc o d e 对于图4 7 中所示的一个直线链码，即链码c = 1 0 1 0 1 0 1 0 1 0 。 ( a )( b )( c )( d ) 【a ) 原始幽像( b ) 灰度剀像( e ) c a n n y 边缘检测得结果( d ) 提取出得最氏的边缘 图4 8 直线花纹的检测结果 f i g 4 8i d e n t i f i c a t i o nr e s u l t so fl i n et e x t u r e s 对一组实际中的直线型鞋印花纹的检测结果如图4 8 ，对图4 8 ( d ) 的边缘采 用链码跟踪获得其链码分别为5 6 5 5 6 6 5 5 6 6 5 5 6 6 5 5 6 5 5 6 6 5 5 5 6 6 5 6 5 6 6 5 6 6 和 ( ) 0 7 0 0 0 0 ( ) ( ) 7 0 0 0 0 7 0 0 0 0 0 7 0 0 0 0 0 7 0 0 0 7 0 0 0 ，符合判据2 。 从上面的例子可以看出，对直线段而占，它在链码上表现为一定范围内只出 现个方向，或两个方向交替出现，最多有两个码值组成并且两个码值间差一1 2 “。 如果检测到满足以上特征的目标边缘，则判断为直线型。 2 、弧线型的识别 根据直线段的判据，我们可以进一步得到弧线边缘的判掘。弧线型可以在大 的范围里看成由三个方向相邻的直线段组成，因此弧线型的链码数目等于3 ，弧线 型链码特征是去掉水平或垂直方向的指向符后只剩下两个方向的指示符，每个指 示符连续有一定的数目，此两个方向的指示符不交替出现，并且水平或垂直指向 符连续出现的次数多于8 ，符合以上条件，则可判断为弧线型。 以鞋印图像来详细说明弧线型花纹的检测和识别，以证明方法的有效性。实 验中采用两组数据如图4 9 ( a ) 和( d ) ，c a n n y 算子检测后的图像如图4 9 ( b ) 和( e ) ， 提取出最长的条边缘如图4 9 ( c ) 和( f ) 。 ( a ) ( b )( c )( d )( e ) 幽4 9 弧波花纹的检测结果 f i g 4 9i d e n t i f i c a t i o nr e s u l t so fa r ct e x t u r e s ( f ) 用本文方法得到的链码以及去掉水平或垂直方向的指向符后如下： 图( c ) 原链码6 5 6 5 5 6 5 6 5 6 5 6 6 5 6 5 6 5 6 6 5 6 6 6 5 6 6 6 6 6 6 6 6 7 6 6 6 7 6 6 6 7 6 6 7 6 6 7 6 6 7 图( f ) 原链码0 1 0 0 1 0 l 叭0 10 1 0 0 1 0 1 1 0 l o o o o o o 0 0 0 7 0 0 0 0 7 0 0 0 图( c ) 去掉线条垂直前进方向码后5 5 5 5 5 5 5 5 5 5 5 7 7 7 7 7 7 刚( f ) 去掉线条水平前进方向码后1 1l l l l l l l l 7