鞋印内部纹理的检验

黄 洁 郭晓波

上海市公安局浦东分局刑侦支队刑事科学技术研究所，上海 200125

在鞋印识别及处理中，鞋印内部的纹理能够提供很重要的信息。在刑事案件的侦破中，通过获取到的鞋印进行纹理的处理，可以识别犯罪嫌疑人所穿鞋的种类及品牌等信息。按照纹理的类型，可以将纹理分为有规则纹理和准规则纹理。通过对这些纹理的处理，在特定场景下，对识别犯罪嫌疑人能够提供很重要的、很有价值的信息。

一、纹理分析方法

纹理分析指通过一定的图像处理技术提取出纹理特征参数，从而获得纹理的定量或定性描述的处理过程。目前，纹理分析的方法，随着研究的深入，也越来越多，比如有影像纹理的直方图分析法、自相关函数分析法、边界频率分析法、小波分析法、灰度共生矩阵分析法、基于分形维数的分析法。对于这些方法，按照处理算法的不同，又可以划分为两大类，即：结构分析法和统计分析法。

在这些方法中，局部二值模式可以有效地对纹理特征进行描述。原始的LBP算子的最大缺陷在于它只覆盖了一个固定半径范围内的小区域，这显然不能满足不同尺寸和频率纹理的需要。因此，在实际应用中，也诞生了很多基于LBP的改进和优化算法，比如：在采样点覆盖范围上，新的算法允许在半径为R的圆形邻域内有任意多个像素点；基于降维思想的均匀模式LBP；提出了具有旋转不变性的LBP算子等。

二、鞋印上LBP特征的提取

获得脚印图像数据后，就可以对脚印纹理上的每个像素点进行编码，即通过LBP算子产生LBP值，具体运算公式如下所示。

在该公式中，gi代表不同半径下圆周上的像素点，gc代表邻域的圆心，R为半径，P代表像素个数。这些LBP值是对原始图像的重新编码，其结果仍然是一副图像，但是纹理的特征数据更加明显。通过LBP值就可以绘制统计直方图，在鞋印识别中可用做特征向量。

三、鞋印上LBP特征的匹配

为了体现上述不同LBP算子(旋转不变模型、Uniform LBP 模型、旋转不变的 Uniform LBP)在相似度和时间上的差异，本文在MatLab环境下，对上述三种算子进行了实现，单独提取一只鞋印，与另一只鞋印进行匹配，同时记录匹配所用的时间和相似度，表1给出了具体的测试结果。

可以看到，在相似度上，三种算子的差别不是特别明显，在时间上，最后一种明显要比前两种要少。因此，可以说，旋转不变的 Uniform LBP综合了旋转不变和均匀模式的优势，在相似度和时间方面均体现出了很大的优势，即：运算速度最快、效果也最好。

在上述测试过程中，需要判断某一个位串模式bits是否是uniform模式，其返回值为是或者不是，具体如下：

%获取位串长度

n=length(bits)；

%位跳变数(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

为了实现鞋印纹理信息的最大匹配，本文随机挑选出一张鞋印纹理图片，并与剩下的其他鞋印图片进行匹配，选择旋转不变的Uniform LBP算子处理后，最后匹配的结果图片如图1所示。

在图1中，左边的代表被测试鞋印，右边代表匹配到的鞋印，其最大相似度为0.91639。从上述过程中可以看出，在执行鞋印纹理匹配时，其前提是需要提取出纹理的特征信息，然后根据相似度进行度量，从而发现刑事现场犯罪嫌疑人的鞋印的移动轨迹，为案件的快速侦破提供强有力的价值信息。

四、结束语

在刑事案件的侦破中，鞋印纹理信息在特定场景下能提供非常有价值的信息。因此，本文采用改进后的LBP算子——旋转不变的Uniform LBP进行鞋印纹理特征信息的处理，与其他LBP算子相比，该算子特征提取明显，在降维的基础上具有运行速度快的优势，使海量鞋印纹理信息的处理变得更加高效和快捷，也为实现纹理处理的实时性提供可能。