鞋印內部紋理的檢驗

黃 潔 郭曉波

上海市公安局浦東分局刑偵支隊刑事科學技術研究所，上海 200125

在鞋印識別及處理中，鞋印內部的紋理能夠提供很重要的信息。在刑事案件的偵破中，通過獲取到的鞋印進行紋理的處理，可以識別犯罪嫌疑人所穿鞋的種類及品牌等信息。按照紋理的類型，可以將紋理分為有規(guī)則紋理和準規(guī)則紋理。通過對這些紋理的處理，在特定場景下，對識別犯罪嫌疑人能夠提供很重要的、很有價值的信息。

一、紋理分析方法

紋理分析指通過一定的圖像處理技術提取出紋理特征參數(shù)，從而獲得紋理的定量或定性描述的處理過程。目前，紋理分析的方法，隨著研究的深入，也越來越多，比如有影像紋理的直方圖分析法、自相關函數(shù)分析法、邊界頻率分析法、小波分析法、灰度共生矩陣分析法、基于分形維數(shù)的分析法。對于這些方法，按照處理算法的不同，又可以劃分為兩大類，即：結構分析法和統(tǒng)計分析法。

在這些方法中，局部二值模式可以有效地對紋理特征進行描述。原始的LBP算子的最大缺陷在于它只覆蓋了一個固定半徑范圍內的小區(qū)域，這顯然不能滿足不同尺寸和頻率紋理的需要。因此，在實際應用中，也誕生了很多基于LBP的改進和優(yōu)化算法，比如：在采樣點覆蓋范圍上，新的算法允許在半徑為R的圓形鄰域內有任意多個像素點；基于降維思想的均勻模式LBP；提出了具有旋轉不變性的LBP算子等。

二、鞋印上LBP特征的提取

獲得腳印圖像數(shù)據(jù)后，就可以對腳印紋理上的每個像素點進行編碼，即通過LBP算子產(chǎn)生LBP值，具體運算公式如下所示。

在該公式中，gi代表不同半徑下圓周上的像素點，gc代表鄰域的圓心，R為半徑，P代表像素個數(shù)。這些LBP值是對原始圖像的重新編碼，其結果仍然是一副圖像，但是紋理的特征數(shù)據(jù)更加明顯。通過LBP值就可以繪制統(tǒng)計直方圖，在鞋印識別中可用做特征向量。

三、鞋印上LBP特征的匹配

為了體現(xiàn)上述不同LBP算子(旋轉不變模型、Uniform LBP 模型、旋轉不變的 Uniform LBP)在相似度和時間上的差異，本文在MatLab環(huán)境下，對上述三種算子進行了實現(xiàn)，單獨提取一只鞋印，與另一只鞋印進行匹配，同時記錄匹配所用的時間和相似度，表1給出了具體的測試結果。

可以看到，在相似度上，三種算子的差別不是特別明顯，在時間上，最后一種明顯要比前兩種要少。因此，可以說，旋轉不變的 Uniform LBP綜合了旋轉不變和均勻模式的優(yōu)勢，在相似度和時間方面均體現(xiàn)出了很大的優(yōu)勢，即：運算速度最快、效果也最好。

在上述測試過程中，需要判斷某一個位串模式bits是否是uniform模式，其返回值為是或者不是，具體如下：

%獲取位串長度

n=length(bits)；

%位跳變數(shù)(0->1 or 1->0)

njmp=0；

for ii=1：(n-1)

if(bits(ii)～=bits(ii+1))

njmp=njmp+1；

end

end

if bits(n)～=bits(1)

njmp=njmp+1；

end

if njmp>2

buni=false；

else

buni=true；

end

為了實現(xiàn)鞋印紋理信息的最大匹配，本文隨機挑選出一張鞋印紋理圖片，并與剩下的其他鞋印圖片進行匹配，選擇旋轉不變的Uniform LBP算子處理后，最后匹配的結果圖片如圖1所示。

在圖1中，左邊的代表被測試鞋印，右邊代表匹配到的鞋印，其最大相似度為0.91639。從上述過程中可以看出，在執(zhí)行鞋印紋理匹配時，其前提是需要提取出紋理的特征信息，然后根據(jù)相似度進行度量，從而發(fā)現(xiàn)刑事現(xiàn)場犯罪嫌疑人的鞋印的移動軌跡，為案件的快速偵破提供強有力的價值信息。

四、結束語

在刑事案件的偵破中，鞋印紋理信息在特定場景下能提供非常有價值的信息。因此，本文采用改進后的LBP算子——旋轉不變的Uniform LBP進行鞋印紋理特征信息的處理，與其他LBP算子相比，該算子特征提取明顯，在降維的基礎上具有運行速度快的優(yōu)勢，使海量鞋印紋理信息的處理變得更加高效和快捷，也為實現(xiàn)紋理處理的實時性提供可能。