【技术实现步骤摘要】
一种基于分段加权的鞋印图像检索方法
本专利技术涉及检索
，尤其涉及一种基于分段加权的鞋印图像检索方法。
技术介绍
鞋印是犯罪现场中最为常见的线索之一，与之相对应的鞋印识别是法医学鉴定中的一个重要问题。当前鞋印识别主要存在以下三方面的挑战：(1)现场留下的鞋印包含复杂的环境因素：根据包含鞋印的介质可分为皮革、木制、土壤、陶瓷等，根据鞋印的产生机制可分为加性和减性两类，如图1a所示。(2)现场留下的鞋印往往是残缺的，因而会丢失一部分的信息，如图1b所示。(3)现场鞋印和鞋样本库中的鞋印来自不同模态，前者为包含环境噪声的灰度图像，后者为仅保留鞋印内容的二值图像，如图1c所示。现有技术中主要通过以下三个方面达到检索的目的：(1)对现场鞋印图像进行预处理，提高图像质量。(2)提取具有判别力的特征用于图像检索。(3)使用合适的相似度度量方式实现检索图像到样本库图像的匹配。现有技术一：多通道归一化互相关图像匹配(Multi-channelnormalizedcross-correlation)：通过预训练的卷积神经网络(Convolutionalneuralnetwork...
【技术保护点】
1.一种基于分段加权的鞋印图像检索方法，其特征在于，包括：步骤一、图像预处理步骤：基于训练后的U‑Net卷积神经网络模型将获取的鞋印现场照片转化成保留鞋印信息的现场二值图；步骤二、特征提取步骤：将现场二值图和鞋样本库中图像拆分成上下两个子图，输入到孪生网络中进行特征提取，得到两个相互独立的子特征；步骤三、特征权重矩阵计算步骤：分别计算两个相互独立的子特征中包含鞋印信息的像素数占比，由此得到该现场二值图的权重矩阵；步骤四、特征融合及相似度度量步骤：A、三元组划分步骤：将现场二值图、鞋样本库中与现场二值图匹配的鞋样本图、鞋样本库中与现场二值图不匹配的鞋样本图分别对应三元组中的锚...
【技术特征摘要】
1.一种基于分段加权的鞋印图像检索方法，其特征在于，包括：步骤一、图像预处理步骤：基于训练后的U-Net卷积神经网络模型将获取的鞋印现场照片转化成保留鞋印信息的现场二值图；步骤二、特征提取步骤：将现场二值图和鞋样本库中图像拆分成上下两个子图，输入到孪生网络中进行特征提取，得到两个相互独立的子特征；步骤三、特征权重矩阵计算步骤：分别计算两个相互独立的子特征中包含鞋印信息的像素数占比，由此得到该现场二值图的权重矩阵；步骤四、特征融合及相似度度量步骤：A、三元组划分步骤：将现场二值图、鞋样本库中与现场二值图匹配的鞋样本图、鞋样本库中与现场二值图不匹配的鞋样本图分别对应三元组中的锚(Anchor)示例、正(Positive)示例、负(Negative)示例，使用三元损失函数训练模型；B、特征融合步骤：对于每一个三元组的输入，分别通过步骤二得到对应的子特征，权重矩阵由锚示例通过步骤三确定；对于每一组子特征，乘以相应的权重后进行合并为总特征，从而得到三元组形式的特征；C、相似度度量步骤：采用三元损失函数(TripletLoss)作为相似度度量准则，训练模型。2.如权利要求1所述的方法，其特征在于，步骤一中图像预处理步骤的步骤具体包括：1)随机选取一定数目的鞋印现场照片，人工对鞋印现场照片的鞋印内容进行标注得到对应的标注二值图，并保留原图像的位置信息；2)将得到的鞋印现场照片和标注二值图作为训练样本，在U-Net卷积神经网络上进行训练，最终训练得到适用于鞋印分割的U-Net卷积神经网络模型；其中，在训练过程中，U-Net卷积神经网络包含两个数据增强方式：水平翻转和灰度值颠倒；3)U-Net卷积神经网络模型去除输入的鞋印现场照片中的背景信息，将鞋印信息提取出来，输出保留鞋印信息的现场二值图。3.如权利要求1或2所述的方法，其特征在于，步骤二中特征提取的步骤具体包括：将现场二值图和鞋样本库中图像作为输入图像纵向切分成上下两个子图x1,分别作为孪生网络的两个分支的输入，提取对应的子特征f1,f2；定义为特征提取操作，即：其中，参数i表示切分后对应子图及子特征的序号；从而得到两个相互独立的子特征。4.如权利要求1或3所述的方法，其特征在于，孪生网络结构的设计方法包括：选择包括但不限于VGG、ResNet或DenseNet中的一种图像分类网络作为特征提取的基础网络，设计参数共享的孪生网络结构，并在ImageNet的预训练权重上进行微调...
【专利技术属性】
技术研发人员：马占宇，丁逸枫，温少国，常东良，谢吉洋，刘晋，金益锋，
申请(专利权)人：北京邮电大学，公安部物证鉴定中心，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。