一种鞋印孔洞和嵌入物特征检测及描述方法技术

本发明专利技术公开了一种鞋印孔洞和嵌入物特征检测及描述方法，包括：获取鞋印孔洞候选集并提取其属性信息；遍历孔洞候选集、基于几何和灰度属性进行孔洞区域筛选获得候选区域集合；以长轴、短轴、偏心率、面积为特征基于欧式距离构建相似度矩阵，采用改进生长规则后的种子生长算法对精确候选区域集合进行种子生长获取孔洞特征的生长区域；基于多尺度差分高斯获取候选嵌入物特征点集；遍历所有的候选嵌入物特征点集，通过将灰度均值与其阈值比较获得筛选后的嵌入物特征初始区域，通过对该嵌入物特征区域进行纹理一致性筛选并基于最大极值稳定区域从而确定精准嵌入物区域；采用水平集算法对精准嵌入物区域进行边界描述。

【技术实现步骤摘要】
一种鞋印孔洞和嵌入物特征检测及描述方法
本专利技术涉及图像特征分析
；尤其涉及一种基于多级筛选最大极值稳定区域的鞋印孔洞和嵌入物特征检测及描述方法。
技术介绍
WilliamJ在文献[1]中阐明了鞋印随机特征在嫌疑人同一认定中的重要作用，目前还没有算法对孔洞、嵌入物特征进行检测及描述，相近的
是缺陷检测，包括(1)利用基于混合高斯模型的背景差分法提取目标检测区域的焊缝缺陷区域检测算法[2]：(2)铜条表面的缺陷检测算法通过提取感兴趣区域，采用大津法阈值分割，对图像中相同像素的连通域进行分析，检测出缺陷[3]；(3)基于图像空间的深度缺陷检测网络，使用卷积自编码网络在不同的高斯金字塔等级上重建图像子块，合并各个分辨率通道下的重建结果，与输入图像相减获得残差图像，用来判断是否存在异常[4]。目前现有技术的缺陷为：基于机器视觉技术的缺陷检测算法对具有一致性纹理的图像上效果较好，而鞋印图像花纹变化较大，背景复杂，干扰信息较多；基于深度学习的缺陷检测需要大量标注的数据集，且同类缺陷背景一致，同类鞋印图像不具备大规模数据集。...

【技术保护点】
1.一种鞋印孔洞和嵌入物特征检测及描述方法，其特征在于包括：/n获取鞋印孔洞候选集，并提取其属性信息；/n遍历孔洞候选集、基于几何和灰度属性进行孔洞区域筛选获得候选区域集合；/n以长轴、短轴、偏心率、面积为特征基于欧式距离构建相似度矩阵，通过遍历相似度矩阵中的元素并将其与阈值进行比较获得精确候选区域集合；/n以修正后的种子点为初始点，采用改进生长规则后的区域生长算法对精确候选区域集合进行区域生长获取孔洞特征的生长区域，将生长区域的面积和长轴与设定阈值进行比较得到最终的孔洞特征区域，提取孔洞特征区域连通域的轮廓，将该轮廓作为最终的孔洞特征边界；/n基于多尺度差分高斯进行嵌入物特征的检测获取候选嵌...

【技术特征摘要】
1.一种鞋印孔洞和嵌入物特征检测及描述方法，其特征在于包括：
获取鞋印孔洞候选集，并提取其属性信息；
遍历孔洞候选集、基于几何和灰度属性进行孔洞区域筛选获得候选区域集合；
以长轴、短轴、偏心率、面积为特征基于欧式距离构建相似度矩阵，通过遍历相似度矩阵中的元素并将其与阈值进行比较获得精确候选区域集合；
以修正后的种子点为初始点，采用改进生长规则后的区域生长算法对精确候选区域集合进行区域生长获取孔洞特征的生长区域，将生长区域的面积和长轴与设定阈值进行比较得到最终的孔洞特征区域，提取孔洞特征区域连通域的轮廓，将该轮廓作为最终的孔洞特征边界；
基于多尺度差分高斯进行嵌入物特征的检测获取候选嵌入物特征点集；
遍历所有的候选嵌入物特征点集，通过将灰度均值与其阈值比较获得筛选后的嵌入物特征初始区域，通过对该嵌入物特征区域进行纹理一致性筛选并基于最大极值稳定区域从而确定精准嵌入物区域；
采用水平集算法对嵌入物进行区域分割，其中水平集算法的输入为精准嵌入物区域的像素点坐标集，输出为分割后的区域集合，通过提取分割后的区域集合的连通域轮廓，将该轮廓曲线作为嵌入物的特征边界。


2.根据权利要求1所述的鞋印孔洞和嵌入物特征检测及描述方法，其特征在于：对孔洞区域进行筛选时：
遍历孔洞候选集R1中的每一个候选区域，将灰度均值umean大于灰度阈值、或者长轴长度lmax小于长轴阈值的区域从孔洞候选集R1中剔除形成候选集R2[i],i＝1,2,...,n2；
提取候选集R2[i]的中心点坐标(xi,yi)，计算候选区集R2中任意两个区域中心点之间的距离，若两区域间的距离小于距离阈值Td，则将长轴短的那个区域删除，循环该过程直到候选集R2[i]的任何两个区域中心点之间的距离都大于Td为止，从而形成的候选区域集合记为R3[i],i＝1,2,...,n3，其中n3表示候选区域集合R3中区域的数目。


3.根据权利要求1所述的鞋印孔洞和嵌入物特征检测及描述方法，其特征在于：在获取精确候选区域集合时采用如下方式：
以长轴lmax、短轴lmin、偏心率p、面积a为特征，基于欧式距离构建相似度矩阵S，采用矩阵元素sij表示区域R3[i]与区域R3[j](j＝1,...,n3)的相似度；
遍历相似度矩阵S元每一行、统计该行中元素值大于阈值Ts的个数N，若N>TN，则证明存在多个区域与该行对应的区域相似，该区域为鞋印本身的花纹特征而非孔洞特征，因此将区域R3[i]从候选区域中删除，从而获得精确候选区域集合记为R4[i],i＝1,2,...,n4，其中n4表示精确候选区域集合R4中区域的数目，TN为相似区域个数阈值。


4.根据权利要求1所述的鞋印孔洞和嵌入物特征检测及描述方法，其特征在于：获取孔洞特征边界时：
提取精确候选区域集合R4[i]中的区域最小外接矩形所对应的图像块I1，对图像I1二值化处理，并提取连通域，将面积小于Ta的连通域去除，同时进行孔洞填充得到填充后的图像I2；
以精确候选区域集合区域R4[i]的中心点(xi,yi)为基准，截取N×N大小的图像块，记为I3，将图像块I3分成互不重叠的块，计算每个块的灰度均值，对灰度均值排序，取出灰度均值最小的块M，将块M的中心点作为修正后的区域生长的初始种子点(x0,y0)；
创建全零图像J，其中全零图像J的大小与图像块I1相同，初始化种子点像素值J(x0,y0)＝1，初始化基准灰度值seed为I1(x0,y0)，对图像J进行区域生长，生长准则为：
对图像J中的每个值为1的点(x,y)遍历其八邻域中值为0的点：以其中(x+u,y+v)点为例，判断I1(x+u,y+v)与基准灰度值之差是否小于设定阈值，即是否满足：
|I1(x+u,y+v)-seed|<＝Tseed
若满足，且I2(x+u,y+v)＝1，则将(x+u,y+v)对应的J(x+u,y+v)值置为1，更新基准灰度值seed为当前已经加入到J中值为1的点对...

【专利技术属性】
技术研发人员：王新年，石永玲，刘真，白桂欣，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：辽宁;21