针对公安机关对于现场足迹图像串并案的需求，实现足迹图像的特征提取和分类算法的研究对于足迹分析比对系统具有十分重大的意义。本文通过分析现场足迹图像的特点，根据不同类型花纹的特点，经过大量的实验，完成了足迹图像的增强、分割以及特征提取和分类的算法。1、本文给出了基于小波变换和区域划分的反锐化掩模法对足迹图像进行增强。用该方法对低对比度的足迹图像进行增强，能够很好的改善足迹图像的对比度，并能抑制部分噪声。2、本文应用K均值聚类算法对足迹像进行分割，根据足迹的特点构造了聚类样本和聚类中心的数目，将足迹图像从复杂的背景中提取出来。3、本文采用基于二维属性直方图的最大类间方差法对足迹图像进行分割。该算法构建足迹图像的灰度—邻域平均灰度二维直方图，将最大类间方差法推广到二维情况下，选取阈值进行图像分割，并优化阈值分割函数，提高抗噪性。4、针对不同类型的花纹的特点，提取其相应的特征进行足迹分类：本文中提取足迹图像所包含对象的面积、长宽比、紧实度、形状参数、等效半径，识别点对象，圆对象以及块对象。对于交织型对象、波型对象和线条型对象，进行细化操作，检测骨架中包含的分叉点的个数，进行链码分析检测拐点数目，识别交织型对象、波型对象和线条型对象。