赤足足跡識別算法的研究與實現(xiàn).pdf

1、本文首先概要地介紹了足跡檢驗理論與技術(shù)的現(xiàn)狀、應(yīng)用和未來的發(fā)展方向，接著重點討論了赤足足跡的結(jié)構(gòu)特征、測量方法及其在足跡檢驗中的重要作用；然后主要介紹數(shù)字圖像處理和模式識別的基本概念、基本理論、基本方法及它們在實際中的應(yīng)用；最后重點討論了對赤足足跡圖像的自動處理和識別方法。 它主要包括以下五個方面： 第一，根據(jù)足跡圖像的特點，提出了基于多尺度形態(tài)重構(gòu)的足跡圖像濾波算法。該法首先定義了一個作用于灰度圖像的且不具有冪等性的連

2、通算子，這個算子可作為多尺度濾波準(zhǔn)則；然后用最大樹結(jié)構(gòu)來描述灰度圖像的平面區(qū)域及其之間的相互關(guān)系，按照定義的準(zhǔn)則實現(xiàn)對灰度圖像的濾波。由于形態(tài)重構(gòu)濾波僅通過連通算子合并平面區(qū)域和改變它們的灰度值，因此，在濾除噪聲和簡化圖像的同時，起到保護圖像邊緣或輪廓的作用，尤其是多尺度形態(tài)重構(gòu)濾波可以濾除不同尺度空間中的噪聲，因此濾波效果更好。最后，通過對最大樹的重構(gòu)，輸出濾波后的圖像。大量實驗也表明，這種方法在足跡圖像的濾波中，取得非常好的效果。

3、 第二，根據(jù)足跡圖像的特點，在足跡圖像被濾波的基礎(chǔ)上，提出了基于灰度-梯度二維閾值向量區(qū)域分割的足跡邊緣提取方法。該方法利用自動生成的灰度-梯度二維閾值向量對圖像進(jìn)行分割，具有抗噪能力強和正確分割模糊邊緣像素的特點，在提高圖像分割質(zhì)量同時，提高了邊緣提取精度。實驗表明，用該方法提取的邊緣定位準(zhǔn)確、精度高，取得令人滿意的效果。 第三，為了提高以灰度-梯度為模型的二維最大熵閾值法的運算速度，本文還根據(jù)Shannon熵函數(shù)在等概

4、率場下取到最大值的性質(zhì)，對二維最大熵閾值法中熵函數(shù)進(jìn)行了優(yōu)化，得到形式簡潔、意義明確的新目標(biāo)函數(shù)；用該函數(shù)選取閩值只涉及到減法運算，避免了二維最大熵閾值法中的對數(shù)與乘積運算，從而提高了運算速度。理論和實驗都證明該法所求閾值與二維最大熵閾值法所求閾值完全相同并有更快的運算速度。它是一種保持二維最大熵閾值法對圖像分割效果不變的閾值快速選取算法。 第四，在足跡圖像被分割為二值圖像之后，主要對足趾圖像的形狀特征進(jìn)行了研究。在對足趾圖像形

5、狀特征認(rèn)真研究的基礎(chǔ)上，通過對不同形狀描述算法的比對與分析，提出了基于數(shù)學(xué)形態(tài)學(xué)消散度技術(shù)的足趾形狀描述算法。該法具有以下特點：首先，利用數(shù)學(xué)形態(tài)學(xué)消散度技術(shù)提取足趾圖像的中心，僅受較少邊界凹點影響，對邊界噪聲不敏感，比幾何中心穩(wěn)定；然后，在此基礎(chǔ)上，尋找邊界上距中心距離穩(wěn)定并能區(qū)分不同形狀的特征點及相互關(guān)系，生成特征向量。這些特征向量，在二維連續(xù)空間中，具有平移、旋轉(zhuǎn)、尺度不變的特征；在二維離散應(yīng)用環(huán)境中，大量實驗證明，由平移、旋轉(zhuǎn)、

6、尺度變化所造成的誤差較小，具有較強的穩(wěn)定性。這種方法是簡便易行的足趾形狀描述方法。 第五，在第六章對足趾形狀特征提取的基礎(chǔ)上，通過深入研究模式識別理論和認(rèn)真分析足趾形狀特征以及大量的比對實驗，提出了兩種足趾形狀識別算法，第一種為基于BP神經(jīng)網(wǎng)絡(luò)聚類的足趾形狀識別方法，它的總體正確識別率為94.29％；第二種為基于模糊綜合評判模型的足趾形狀自動識別方法，它的總體正確識別率為91.07％。這兩種識別方法均達(dá)到了識別精度的要求。在實際