鞋印是一种犯罪现场较容易提取到的痕迹物证。这种痕迹物证可以帮助公安人员判明案情,分析犯罪,它在串并案中的作用尤为突出。而对鞋印的有效管理能够缩短公安部门的办案时间,提高刑事工作部门的效率。目前各地公安机关使用的足迹管理方法不同,大多采用人工操作,手工管理的方法,这些方法形式单一,使得鞋印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分类识别,进而更好地发挥鞋印在刑事案件侦破中的作用。通过观测大量实际采集的鞋印图像,发现许多鞋印图像中存在等间隔的条纹图案和同心圆图案以及其他的周期性重复的图案。根据傅里叶变换特性,时域(空域)周期性重复的信号(图案)的频谱中会出现明显的峰值点。因此,本文对基于傅里叶变换的鞋底花纹分类识别方法进行了研究。研究发现,条纹型图案频谱的峰值点分布在一条通过频谱中心点的直线(特征线)上。同心圆型图案的频谱峰值点出现在圆心位于频谱中心点的圆周(特征圆)上。本文首先利用对图像频谱直方图的概率密度曲线拟合的方法完成鞋印图像频谱中峰值点的检测。然后借鉴RANSAC算法的思想,分别定义了频谱峰值点的“能量和”曲线以及峰值点的“个数和”曲线,通过寻找峰值点能量和曲线的峰值和峰值点个数和曲线的最大值,确定可能的特征线和特征圆。最后,利用可能的特征线对应的频谱剖面图实现特征线的检测,利用可能的特征圆附近的峰值点的连通性完成特征圆的检测。根据检测到的特征线或者特征圆可以判定对应的原图属于直线型、圆型、直线-圆型或者其他型。另外,根据特征线的参数还可以计算直线型鞋底花纹对应的原图上的直线之间的间隔以及直线的方向,从而可以对直线型进一步细分类或者将其用于匹配检索。实验结果表明本文提出的基于频域特征的鞋底花纹分类方法可以有效的对直线型、圆型等花纹类型进行分类。