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64×64的标准对图像分块,将图像纹理分为13×5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,根据设定阈值,进一步删除不含纹理或者少量纹理的分块。把Laws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Haralick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500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。