【技术实现步骤摘要】
一种基于区域加权梯度分布的足迹表达方法
本专利技术涉及足迹表达的
，具体而言，尤其涉及一种基于区域加权梯度分布的足迹表达方法。
技术介绍
在基于足迹的生物特征识别研究中，常提取足迹图像的纹理信息、几何形状和压力分布信息。对于获取的足迹纹理信息，通常利用傅里叶变换、离散余弦变换、小波变换以及主成分分析和独立主成分分析的方法进行足迹识别。对于几何形状特征的获取，主要方法有：1)提取足长、掌宽、跟宽、足跟中心到每个脚趾中心与横轴的角度以及脚掌面积等形态学特征[1]；2)分别提取前后足压力中心点到足迹图像边缘点的距离，然后将特征进行傅里叶变换并取模，以此作为足迹的形状特征[2]；3)分别提取前后足迹图像边缘点，计算每个特征点与邻近的多个特征点的距离并分配不同的权重，连接所有特征以此作为足迹的形状特征[3]。对于压力分布特征的获取，主要方法有：1)提取足迹压力中心(cop)与区域几何中心的位置关系进行身份认定[4]；2)利用足底压力中心(cop)轨迹信息构建足底平均、最大、最小压力时间曲线，直接利用曲线上的点构建足迹特征向量[5...
【技术保护点】
1.一种基于区域加权梯度分布的足迹表达方法，其特征在于，包括以下步骤：/nS1：基于PCA的足迹图像校正；/nS2：对足迹轮廓点的梯度分布进行提取；以前足区域为例，首先将前足区域F均匀细分为高度和宽度分别为l和h的L×H个非重叠块，使用GSSR方法获取前足区域的足迹轮廓点及其位置，统计轮廓点在非重叠块中的数量和位置分布，得到前足区域F的足迹轮廓点分布图像A；同样地，得到后足区域H的足迹轮廓点分布图像B；/nS3：对足迹非轮廓点的梯度分布进行提取；/nS4：所述足迹轮廓点和所述足迹非轮廓点梯度分布相结合的足迹表达；/n将所述足迹轮廓点和所述足迹非轮廓点的向量加权组合成一维向量...
【技术特征摘要】
1.一种基于区域加权梯度分布的足迹表达方法，其特征在于，包括以下步骤：
S1：基于PCA的足迹图像校正；
S2：对足迹轮廓点的梯度分布进行提取；以前足区域为例，首先将前足区域F均匀细分为高度和宽度分别为l和h的L×H个非重叠块，使用GSSR方法获取前足区域的足迹轮廓点及其位置，统计轮廓点在非重叠块中的数量和位置分布，得到前足区域F的足迹轮廓点分布图像A；同样地，得到后足区域H的足迹轮廓点分布图像B；
S3：对足迹非轮廓点的梯度分布进行提取；
S4：所述足迹轮廓点和所述足迹非轮廓点梯度分布相结合的足迹表达；
将所述足迹轮廓点和所述足迹非轮廓点的向量加权组合成一维向量，得到整个前足分块图像A的加权压力梯度分布特征同理，得到后足图像B的加权压力梯度分布特征再使用加权方式将前足区域特征和后足区域特征连接成足迹图像的特征M。
2.根据权利要求1所述的一种基于区域加权梯度分布的足迹表达方法，其特征在于，所述基于PCA的足迹图像校正还包括以下步骤：
S11：去除噪声；通过大津法得到足迹区域的阈值，将小于该阈值的像素判为噪声，消除背景噪声；通过寻找整个足迹图像的连通区域，获取包含足迹区域的最小外接矩形；
S12：基于PCA的倾斜校正；为了减小噪声对足迹图像校正的影响，使用PCA对包含足迹区域的最小外接矩形图像进行校正；
对去噪后的图像二值化并得到图像的全部白色像素数量Nwhite；将获取的Nwhite个白色像素的坐标值按从左往右、自上而下的顺序形成位置矩阵Pwhite，其中R表示实数；求位置矩阵的协方差矩阵，并求出协方差矩阵的特征向量；构建旋转矩阵在矩阵ROT中，α表示最大特征向量与水平方向的夹角；使用旋转矩阵左乘位置坐标得到旋转后的位置坐标，从而得到校正后的足迹图像；再按照3:2的高度比例对足迹图像进行分区，得到前足区域和后足区域。
3.根据权利要求1所述的一种基于区域加权梯度分布的足迹表达方法，其特征在于，所述对足迹轮廓点的梯度分布进行提取还具有以下步骤：
S21：以前足轮廓点分布图像A为例，计算前足区域图像的梯度为：
Gv(x,y)＝A(x+1,y)-A(x-1,y)(1)；
Gu(x,y)＝A(x,y+1)-A(x,y-1)(2)；
其中，Gv(x,y)，Gu(x,y)分别表示前足分块图像中像素点(x,y)处的水平方向梯度...
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。