[發(fā)明專利]一種快速的現(xiàn)場(chǎng)輪胎痕跡花紋檢索算法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410158569.0
• 申請(qǐng)日: 2014-04-18
• 公開（公告）號(hào): CN103955496B
• 公開（公告）日: 2018-06-12
• 發(fā)明（設(shè)計(jì)）人: 王新年;何曉光;李博
• 申請(qǐng)（專利權(quán)）人: 大連恒銳科技股份有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06K9/64;G06K9/46
• 代理公司: 北京元中知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11223
• 代理人: 王明霞

本發(fā)明提供一種快速的現(xiàn)場(chǎng)輪胎痕跡花紋檢索算法，首先通過分析待測(cè)圖像的特點(diǎn)，對(duì)圖像預(yù)處理；然后在算法誤差允許范圍內(nèi)提取庫(kù)存圖像和待測(cè)圖像的具有旋轉(zhuǎn)、縮放、平移不變及滿足一定的抗噪性和輕微缺損不變性的特征；最后結(jié)合提取的特征進(jìn)行特征檢索。本發(fā)明一種快速的現(xiàn)場(chǎng)輪胎痕跡花紋檢索算法，兼顧整體與局部的特征檢索策略，具有旋轉(zhuǎn)、縮放、平移不變性，并具有對(duì)噪聲不敏感的特性，在分類檢索方面具有明顯的優(yōu)勢(shì)，在大樣本數(shù)據(jù)庫(kù)的基礎(chǔ)上進(jìn)行實(shí)驗(yàn)，取得了較好的檢索結(jié)果，尤其是針對(duì)對(duì)比度較低、殘缺較大、有畸變的現(xiàn)場(chǎng)輪胎痕跡花紋圖像，檢索結(jié)果較好。

技術(shù)領(lǐng)域

本發(fā)明涉及一種檢索算法，特別是一種快速的現(xiàn)場(chǎng)輪胎痕跡花紋檢索算法，屬于輪胎痕跡檢索方法領(lǐng)域。

背景技術(shù)

輪胎痕跡花紋及細(xì)節(jié)作為車輛的“指紋”，未來(lái)在公安和法庭科學(xué)上將會(huì)有一席之地，對(duì)道路交通事故處理與事故責(zé)任認(rèn)定必將具有重要的意義。目前輪胎痕跡花紋自動(dòng)檢索技術(shù)主要有四種：基于變換域的輪胎痕跡花紋檢索、基于特征的輪胎痕跡花紋檢索、基于人工神經(jīng)網(wǎng)絡(luò)的輪胎痕跡花紋檢索和基于圖像分割的輪胎痕跡花紋檢索。此外，國(guó)外的一些研究者建立了交通肇事案件偵破系統(tǒng)和車體信息資料數(shù)據(jù)庫(kù)，提出了基于文本的輪胎痕跡檢索技術(shù)，此技術(shù)的前提是建立完備的車體資料信息數(shù)據(jù)庫(kù)，但是實(shí)際實(shí)施時(shí)存在很大的難度。

基于變換域的輪胎痕跡花紋檢索方法主要是通過某種特定變換去除圖像像素間、區(qū)域間信息相關(guān)性，盡可能消除輪胎采集設(shè)備與采集環(huán)境給檢索帶來(lái)的影響。根據(jù)變換的不同，基于變換域的輪胎痕跡花紋檢索方法可以分為：基于傅里葉變換的輪胎痕跡花紋檢索方法、基于Gabor變換的輪胎痕跡花紋檢索方法與基于Contourlet變換的輪胎痕跡花紋檢索方法。基于傅里葉變換的輪胎痕跡花紋檢索方法主要是進(jìn)行粗分類，在分類技術(shù)上有很大的局限性，不能實(shí)現(xiàn)查找與待檢索圖像細(xì)節(jié)信息更相似的標(biāo)準(zhǔn)圖像。基于Gabor變換的輪胎痕跡花紋檢索方法通過Gabor變換提取圖像在不同尺度、不同方向上的局部特征，然后利用得到的局部特征進(jìn)行相似度計(jì)算，但是Gabor變換的效果依賴于Gabor參數(shù)的選擇。基于Contourlet變換的輪胎痕跡花紋檢索方法采用非下采樣金字塔(NonSubsampledPyramid,NSP)對(duì)圖像進(jìn)行多尺度分解，得到圖像的低通子帶系數(shù)和帶通方向性子帶系數(shù)，通過非下采樣方向?yàn)V波器(NonSubsampled Directional Filter Banks，NSDFB)將帶通子帶分解為若干個(gè)方向，從而得到不同尺度、不同方向的子帶圖像系數(shù)。非下采樣Contourlet變換的速度較慢，對(duì)于旋轉(zhuǎn)稍微較大的輪胎圖像，其識(shí)別效果較差。

基于特征的輪胎痕跡花紋檢索方法的一般過程是：首先從待測(cè)圖像和庫(kù)存圖像中提取對(duì)縮放(Scale)、旋轉(zhuǎn)(Rotate)、平移(Translation)變換具有不變性的特征點(diǎn)，然后針對(duì)特征點(diǎn)進(jìn)行相似度計(jì)算，從而達(dá)到圖像分類識(shí)別的目的。基于SIFT變換的輪胎痕跡花紋檢索方法在一定程度上可以解決目標(biāo)的旋轉(zhuǎn)、縮放、平移，圖像仿射，投影變換，光照影響，目標(biāo)遮擋，雜物場(chǎng)景，噪聲等問題，但是檢索效果取決于各種參數(shù)的選取，并且對(duì)現(xiàn)場(chǎng)低對(duì)比度、低質(zhì)量的輪胎痕跡檢索效果不好。

目前存在的基于人工神經(jīng)網(wǎng)絡(luò)的輪胎痕跡花紋檢索算法計(jì)算復(fù)雜度高，不適用于實(shí)際應(yīng)用中。基于圖像分割的輪胎痕跡花紋檢索效果的好壞嚴(yán)重依賴于分割輪胎圖像時(shí)閾值的選取和輪胎花紋的對(duì)比度和清晰程度。

雖然國(guó)內(nèi)外在輪胎痕跡花紋檢索方面取得了一些成果，但是在實(shí)際中也存在著許多問題：存在的算法只支持理想圖像檢索，沒有充分考慮現(xiàn)場(chǎng)各種強(qiáng)干擾條件，并且未有支持大樣本數(shù)據(jù)庫(kù)的算法。

有鑒于此特提出本發(fā)明。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)的不足，提供一種快速的現(xiàn)場(chǎng)輪胎痕跡花紋檢索算法，包括針對(duì)對(duì)比度較低、殘缺較大、有畸變的圖像的特征提取方法和兼顧整體與局部特征的檢索策略，并使其能夠適用于大樣本數(shù)據(jù)庫(kù)并能夠應(yīng)用到實(shí)際系統(tǒng)中。

為解決上述技術(shù)問題，本發(fā)明采用技術(shù)方案的基本構(gòu)思是：