面向低质量鞋印图像的自动阈值分割方法技术

本发明专利技术公开一种面向低质量鞋印图像的自动阈值分割方法。首先采用形态学腐蚀和膨胀运算消除曝光不良或设备伪影的影响；再进行灰度变换增强图像对比度；最后利用形态学降噪获得最终的鞋印区域。该方法无需人工交互，可以大批量、全自动地分割鞋印图像，在时间效率上明显优于人工分割方法和迭代分割方法，并且分割准确率高于传统的全局阈值分割方法和迭代分割方法。

An automatic threshold segmentation method for low quality shoe print images

The invention discloses an automatic thresholding segmentation method for low quality shoe print images. First, morphological corrosion and expansion are used to eliminate the influence of bad exposure or device artifact, and then the contrast of the image is enhanced by gray scale transformation. Finally, the final shoe print area is obtained by using morphological noise reduction. The method can segment the image of shoe print in large quantity and automatically without manual interaction, and it is obviously superior to artificial segmentation and iterative segmentation in time efficiency, and the accuracy of segmentation is higher than that of the traditional global threshold segmentation method and iterative segmentation method.

【技术实现步骤摘要】
面向低质量鞋印图像的自动阈值分割方法
本专利技术涉及数字图像处理领域，尤其是一种能够有效改善在采集质量较低的情况下传统全局阈值分割存在的误分割现象，分割准确率高、实时性好的鞋印图像自动分割方法。
技术介绍
鞋印是犯罪现场上最常遇到的痕迹之一，也是侦查者发现破案线索、揭露和证实犯罪的重要依据之一。在鞋印图像处理中，人们往往只需要提取特定的鞋印部分，而几乎不关注其背景区域。在这种情况下，有必要将鞋印部分从图像中分割出来。一个案件在侦破过程中会接触到两种鞋印图像：犯罪现场提取到的案犯遗留的鞋印图像。这种图像中的鞋印纹理图案受到地面纹理的影响非常大，采用计算机自动分割的难度很高，目前主要采取手工分割方式。破案过程中锁定的犯罪嫌疑人的鞋印图像。这种图像采用压模成像，鞋印纹理与背景之间的对比度比较明显，便于计算机自动分割。基于全局阈值的分割是最为经典和流行的图像分割方法之一，也是最简单的一种图像分割方法。基本思想是根据图像的灰度直方图寻找一个或几个灰度阈值，将图像的灰度级分为若干等级，并认为处于同一个灰度等级的像素属于同一个物体。阈值分割特别适用于目标和背景处于不同灰度级范围的图像，并且计算简单、无需人工干预，在运算效率要求高的应用场合中得到了广泛应用。然而，对于灰度差异较小、目标和背景的灰度值相差不大、光照条件复杂的一类图像，其分割结果却难以令人满意。尤其在压模成像设备老化或者使用次数过多时，鞋印图像会出现曝光不足、曝光过度或印迹残留的现象，典型的自动阈值分割算法无法准确地将鞋印图案从背景中分离出来。尽管目前已经提出很多种图像分割算法，可是尚没有一种适合于复杂光照条件的通用图像分割算法，特别是缺少一种准确率高、实时性好、无需人工交互的自动鞋印图像分割算法。
技术实现思路
本专利技术是为了解决现有技术所存在的上述技术问题，提供一种面向低质量鞋印图像，分割准确率高、实时性好的鞋印自动分割方法。本专利技术的技术解决方案是：一种面向低质量鞋印图像的自动阈值分割方法，其特征在于按照如下步骤进行：步骤1.将输入图像I的颜色空间转换为HSI，并保留其亮度分量H；步骤2.利用半径为R的平坦圆盘型结构元素对H进行形态学腐蚀处理，得到图像I1；步骤3.使用与步骤2相同的结构元素对图像I1进行形态学膨胀处理，得到图像背景的估计值B；步骤4.将输入图像I减去背景估计值B，得到消除了光照影响的鞋印图像I2；步骤5.统计I2的灰度值范围，设其最小值为Imin，最大值为Imax，根据公式(1)对I2进行线性灰度拉伸，将其像素灰度范围拉伸到0~255之间：(1)其中，x表示输入的待拉伸像素值，y表示拉伸后的输出像素值。令增强后的图像为I3；步骤6.采用传统的大津法对I3进行全局阈值分割，得到分割后的二值图像I4；步骤7.利用形态学降噪方法去除I4中面积小于A个像素的8-连通前景区域，从而删掉I4中那些点状分布的孤立前景，最终得到分割后的鞋印图像。与现有技术相比，本专利技术的技术特点在于：第一，可以排除由曝光过度或曝光不足造成的光照影响，以及由设备老化造成的印迹残留而出现的伪前景，较好地保留前景目标即鞋印；第二，无需人工交互，可以批量自动处理鞋印图像，在时间效率上明显优于人工鞋印图像分割方法和迭代分割方法（如基于偏微分方程的图像分割方法），并且分割准确率高于传统的全局阈值分割方法和迭代分割方法。具体实施方式一种面向低质量鞋印图像的自动阈值分割方法，其特征在于按照如下步骤进行；步骤1.将输入图像I的颜色空间转换为HSI，并保留其亮度分量H；步骤2.利用半径为R的平坦圆盘型结构元素对H进行形态学腐蚀处理，得到图像I1，其中，取R=28；步骤3.使用与步骤2相同的结构元素对图像I1进行形态学膨胀处理，得到图像背景的估计值B；步骤4.将输入图像I减去背景估计值B，得到消除了光照影响的鞋印图像I2；步骤5.统计I2的灰度值范围，设其最小值为Imin，最大值为Imax，根据公式(1)对I2进行线性灰度拉伸，将其像素灰度范围拉伸到0~255之间：(1)其中，x表示输入的待拉伸像素值，y表示拉伸后的输出像素值。令增强后的图像为I3；步骤6.采用传统的大津法对I3进行全局阈值分割，得到分割后的二值图像I4；步骤7.利用形态学降噪方法去除I4中面积小于A个像素的8-连通前景区域，从而删掉I4中那些点状分布的孤立前景，最终得到分割后的鞋印图像，其中，取A=100。利用300幅鞋印图像进行测试，并采用JaccardSimilarity相似度（简称JS）进行评估，评估得分越接近1，表明分割结果就越接近手工分割结果。传统大津分割法、基于传统活动轮廓模型的分割方法和本专利技术算法的平均得分和标准差如表1（实施例的硬件环境为CPU为Intel(R)Core(TM)i5-3470@3.20GHz双核，内存为4GB，软件环境为Window7操作系统、Matlab2016科学计算平台）。表1客观分割质量和分割时间比较。本文档来自技高网...

【技术保护点】
1.一种面向低质量鞋印图像的自动阈值分割方法，其特征在于按照如下步骤进行：步骤1. 将输入图像I的颜色空间转换为HSI，并保留其亮度分量H；步骤2. 利用半径为R的平坦圆盘型结构元素对H进行形态学腐蚀处理，得到图像I1；步骤3. 使用与步骤2相同的结构元素对图像I1进行形态学膨胀处理，得到图像背景的估计值B；步骤4. 将输入图像I减去背景估计值B，得到消除了光照影响的鞋印图像I2；步骤5. 统计I2的灰度值范围，设其最小值为Imin，最大值为Imax，根据公式(1)对I2进行线性灰度拉伸，将其像素灰度范围拉伸到0~255之间：

【技术特征摘要】
2017.12.25 CN 20171142153221.一种面向低质量鞋印图像的自动阈值分割方法，其特征在于按照如下步骤进行：步骤1.将输入图像I的颜色空间转换为HSI，并保留其亮度分量H；步骤2.利用半径为R的平坦圆盘型结构元素对H进行形态学腐蚀处理，得到图像I1；步骤3.使用与步骤2相同的结构元素对图像I1进行形态学膨胀处理，得到图像背景的估计值B；步骤4.将输入图像I减去背景估计值B，得到消除了光...

【专利技术属性】
技术研发人员：宋传鸣，刘定坤，汪芸竹，何琪阳，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：辽宁,21