[發明專利]一種鞋印孔洞和嵌入物特征檢測及描述方法

在審

• 申請號: 202110277363.X
• 申請日: 2021-03-15
• 公開（公告）號: CN113012124A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 王新年;石永玲;劉真;白桂欣
• 申請（專利權）人: 大連海事大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/11;G06T7/62;G06T3/40;G06T5/30
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

本發明公開了一種鞋印孔洞和嵌入物特征檢測及描述方法，包括：獲取鞋印孔洞候選集并提取其屬性信息；遍歷孔洞候選集、基于幾何和灰度屬性進行孔洞區域篩選獲得候選區域集合；以長軸、短軸、偏心率、面積為特征基于歐式距離構建相似度矩陣，采用改進生長規則后的種子生長算法對精確候選區域集合進行種子生長獲取孔洞特征的生長區域；基于多尺度差分高斯獲取候選嵌入物特征點集；遍歷所有的候選嵌入物特征點集，通過將灰度均值與其閾值比較獲得篩選后的嵌入物特征初始區域，通過對該嵌入物特征區域進行紋理一致性篩選并基于最大極值穩定區域從而確定精準嵌入物區域；采用水平集算法對精準嵌入物區域進行邊界描述。

技術領域

本發明涉及圖像特征分析技術領域；尤其涉及一種基于多級篩選最大極值穩定區域的鞋印孔洞和嵌入物特征檢測及描述方法。

背景技術

William J在文獻[1]中闡明了鞋印隨機特征在嫌疑人同一認定中的重要作用，目前還沒有算法對孔洞、嵌入物特征進行檢測及描述，相近的技術領域是缺陷檢測，包括(1)利用基于混合高斯模型的背景差分法提取目標檢測區域的焊縫缺陷區域檢測算法[2]：(2)銅條表面的缺陷檢測算法通過提取感興趣區域，采用大津法閾值分割，對圖像中相同像素的連通域進行分析，檢測出缺陷[3]；(3)基于圖像空間的深度缺陷檢測網絡，使用卷積自編碼網絡在不同的高斯金字塔等級上重建圖像子塊，合并各個分辨率通道下的重建結果，與輸入圖像相減獲得殘差圖像，用來判斷是否存在異常[4]。

目前現有技術的缺陷為：基于機器視覺技術的缺陷檢測算法對具有一致性紋理的圖像上效果較好，而鞋印圖像花紋變化較大，背景復雜，干擾信息較多；基于深度學習的缺陷檢測需要大量標注的數據集，且同類缺陷背景一致，同類鞋印圖像不具備大規模數據集。

發明內容

根據現有技術存在的問題，本發明公開了一種基于多級篩選最大極值穩定區域的鞋印孔洞和嵌入物特征檢測及描述方法：具體包括如下步驟：

獲取鞋印孔洞候選集并提取其屬性信息；

遍歷孔洞候選集、基于幾何和灰度屬性進行孔洞區域篩選獲得候選區域集合；

以長軸、短軸、偏心率、面積為特征基于歐式距離構建相似度矩陣，通過遍歷相似度矩陣中的元素并將其與閾值進行比較獲得精確候選區域集合；

以修正后的種子點為初始點，采用改進生長規則后的區域生長算法對精確候選區域集合進行種子生長獲取孔洞特征的生長區域，將生長區域的面積和長軸與設定閾值進行比較得到最終的孔洞特征區域，提取孔洞特征區域連通域的輪廓，將該輪廓作為最終的孔洞特征邊界；

基于多尺度差分高斯進行嵌入物特征的檢測獲取候選嵌入物特征點集；

遍歷所有的候選嵌入物特征點集，通過將灰度均值與其閾值比較獲得篩選后的嵌入物特征初始區域，通過對該嵌入物特征區域進行紋理一致性篩選并基于最大極值穩定區域從而確定精準嵌入物區域；

采用水平集算法對嵌入物進行區域分割，其中水平集算法的輸入為精準嵌入物區域的像素點坐標集，輸出為分割后的區域集合，通過提取分割后的區域集合的連通域輪廓，將該輪廓曲線作為嵌入物的特征邊界。

進一步的，對孔洞區域進行篩選時：

遍歷孔洞候選集R₁中的每一個候選區域，將灰度均值u_mean大于灰度閾值、或者長軸長度l_max小于長軸閾值的區域從孔洞候選集R₁中剔除形成候選集R₂[i],i＝1,2,...,n₂；