导读:本文包含了足迹分割论文开题报告文献综述及选题提纲参考文献，主要关键词:足迹鉴定,平面足迹,形象特征,分割
足迹分割论文文献综述
郭甜利[1]（2019）在《基于语义的平面足迹形象特征分割》一文中研究指出在刑事科学技术领域,平面足迹是重要的痕迹证据,可间接提供犯罪嫌疑人的年龄、身高、性别等信息。随着计算机技术的发展,足迹的自动识别成为现代化足迹鉴定学的重要内容。已有的鞋印分析集中在鞋底花纹提取和建库,对脚印的磨损、鞋型等在足迹学上有较强鉴定意义的形象特征研究较少。本文针对性地分割出足迹的花纹、磨损和鞋型叁类特征,降低足迹鉴定中人工标注的主观性,为足迹识别奠定基础。基于语义对平面足迹的形象特征分割指实现语义“广义”的可解释性——使分割得出的类别结果在足迹鉴定领域中有意义。本文以油墨捺印的7600余张平面鞋印为研究样本,应用不同的图像分割方法,实现对平面足迹叁类形象特征的分割。在分割足迹图像的花纹特征方面,研究并提出使用局部灰度聚类和乘法内在分量优化两种方法分割足迹图像,目标是得到可视化度高的鞋底花纹。结果表明:局部灰度聚类法对花纹分割有较好的鲁棒性。乘法内在分量优化法则矫正了足迹图像的偏移场、图像变得有序而少噪,花纹也被有效分割。对600张分割效果图打分评估,花纹分割成功率达83%。在分割足迹图像的磨损特征方面,提出使用伪彩色和均值漂移两种方法对乘法内在分量优化算法预处理过的图像分割,以期得到“上色”的平面鞋印磨损区。结果发现:伪彩色使鞋印图像的磨损区域的识别度提升,但是它在一定程度上牺牲了足迹图的准确度,效果良。均值漂移在不需要先验知识的前提下,可有效分割出磨损区,鲁棒性强,算法性能优。评估阶段,将均值漂移分割得到的效果图进行特征匹配,表现良好。在分割足迹图像的鞋型特征方面,使用边缘算子、阈值和区域分割叁类方法分割足迹图像,旨在强化图像上足迹区和非足迹区的区分度。结果显示,边缘算子检测鞋型效果一般,自适应阈值法表现良好,区域增长法分割鞋型的性能较好,而分水岭法出现过分割,表现不佳。将分割得到的鞋型进行身高与前掌宽的评估实例,结果与事实一致,证明鞋型分割有效。(本文来源于《中国人民公安大学》期刊2019-06-07）
杨海波[2]（2018）在《基于多精细尺度损失函数的足迹分割》一文中研究指出足迹作为案件现场常见的犯罪痕迹之一,其分割结果有利于提取足迹的信息,获取揭露和证实犯罪的证据,进而提高刑事案件的破案率。然而,由于足迹本身包含丰富的多尺度特征,以及犯罪现场环境的复杂性造成的足迹残缺、结构破损等问题,使得相关工作进展缓慢。近年来,随着深度学习方法的发展,自然图像的分割算法却发展迅猛,其分割结果不断在提升。本文主要目的是通过借鉴解决自然图像的分割算法,并结合足迹图像独有的特点,设计出适应于足迹分割的模型,进而解决足迹分割问题。在全卷积网络的基础上,通过将跳层结构和损失函数结合到网络结构的底层,即具备高分辨率、小感受野的层,获取对应的小尺度的特征,这里称这样的层为低尺度层,提取到的特征叫作低尺度特征,从而分别构造出基于低尺度跳层结构和多尺度损失函数的足迹分割模型。并通过融合局部多个感受野下特征生成对应尺度特征,进一步丰富网络在各个尺度上的特征提取能力,构造出最终的多精细尺度损失函数的足迹分割模型。低尺度跳层结构模型在测试集上,平均准确率和平均覆盖率分别达到40.40%和31.99%。多尺度损失函数通过引入损失函数,加强网络多尺度特征表示能力,将平均准确率和平均覆盖率大幅度的提升到了86.18%和32.12%。最后通过改变网络各个尺度上的拓扑结构,多个感受野下特征的融合作为单尺度特征,最终将平均准确率和平均覆盖率提升到90.83%和33.17%。实验结果表明,本文算法能够分割出精准的足迹,保留足迹大量的精细结构特征,并在更大的数据集上具备鲁棒性。(本文来源于《大连理工大学》期刊2018-04-28）
黄兴华[3]（2012）在《图像分割在足迹分割中的运用》一文中研究指出在图像处理领域中图像分割是极为重要的内容之一,它是将图像中的某些特征作为标准,把图像分割成一些具有“某种意义”的区域。传统的图像分割方法包括基于图像边缘分割方法、基于闽值的分割方法和基于区域增长的分割方法等其他分割方法。近些年来,一些新技术和新理论被广泛应用到图像分割中,研究人员提出了许多种新型的图像分割法,比如基于分水岭的图像分割方法、基于谱聚类的图像分割方法以及基于交互式的图像分割方法等其他分割方法。虽然到目前为止已提出上千种图像分割方法,但还没有形成通用的分割理论。也就是说现在给出的分割方法基本上只是针对某个特定分割问题,并没有一种分割方法能满足所有图像分割。在刑事侦查领域和病理学领域中足迹识别已经有着长期和广泛的应用,对足迹图像进行分析,必须先要将足迹图像提取出来,然后将足迹图像的脚趾与脚掌之间、脚趾与脚趾之间分割开来,而分割结果的好坏直接影响足迹图像的分析工作,但目前的一些分割算法不能够很好的满足足迹图像的分割要求。为了自动并且很好的分割足迹图像,本文提出了一种基于谱聚类的足迹图像分割算法。首先,通过对采集的足迹图像进行去噪、边缘检测、图像二值化以及其他相关技术将足迹图像提取出来,形成二值图像。其次,对提取的足迹图像边缘进行凹点检测,并根据足迹图像的特点将提取出来的凹点进行谱聚类。最后根据聚类的凹点进行匹配,完成足迹图像的分割。文中给出了足迹图像分割的实验结果,表明通过应用该方法不仅可以实现足迹图像的自动分割,并且得到较为理想的分割结果。(本文来源于《大连理工大学》期刊2012-05-01）
丁益洪[4]（2005）在《立体足迹叁维曲面分割与识别》一文中研究指出近年来，基于生物特征的身份鉴别技术成为信息技术领域的研究热点。为了更加充分、有效地利用人体所包含的丰富的生理特征和行为特征，需要在更广泛的领域进行探索和深入研究。 人体站立或行走条件下，脚掌面通过力的传递作用在承痕体上形成的痕迹即为足迹，足迹也是一种载荷着人体生物特征的重要的痕迹信息。虽然足迹身份鉴别在刑事侦查等领域得到了长期的应用并积累了一定的专家经验，由于足迹形成条件多变，数据采集、测量和特征描述与识别难度大，国内外学术界对于足迹所载荷的生物特征及其规律的研究尚不够活跃。足迹生物特征识别领域还有大量的基础问题和应用技术需要研究和解决。 本文以立体足迹深度数据为研究对象，运用深度图像分析和模式识别技术，探索立体足迹生物特征识别的科学性，研究立体足迹叁维表面的分割、描述、特征提取和识别方法。本文的主要创新点表现在以下五个方面： 1、提出基于随机Hough变换的深度图像分割算法。该算法采用随机Hough变换在深度图像中寻找平面区域，实现深度图像的分割。由于Hough变换利用了对局部噪声不敏感的全局信息，同时又避免了对噪声敏感的曲面表面曲率估计，算法对噪声不敏感。以ABW深度图像库为测试数据，采用深度图像分割性能评估算法，与四种经典的深度图像分割算法作了比较，表明该算法的分割性能较好。 2、提出基于曲面表面主曲率和主方向的深度图像分割算法。算法以深度图像表面的峰面区域(两个主曲率均为负)为种子区域，依据图像上各象素点处的主曲率和主方向的变化关系进行区域生长，最后使生长停止于主曲率的局部极大值处。该算法将边缘检测应用于区域生长规则中，充分发挥了边缘方法和区域生长方法两者的优点，实现了叁维曲面边界的精确定位。 3、针对立体足迹深度数据采集分辨率低、噪声干扰严重等特点，综合运用插值、平滑、基于曲面表面主曲率和主方向的深度图像分割、多尺度融合、测地重建、水线分割等技术手段，构成一种实用的立体足迹深度图像分割方法。实验表明，分割结果既保留了区域的真实边界信息，又消除了大部分噪声引起的虚假边缘，得到的区域有明显的物理意义。 4、在足迹深度图像分割和研究足部骨骼生理结构的基础上，结合足迹识别专家知识，提出一种有效描述立体赤足迹叁维表面形态特征的参数模型。该模型以超二次曲面描述足迹五趾、前掌和足跟区域的重压面，用马鞍面描述足弓区域的曲面，从而用107个参数刻画划足迹模型。足迹经叁维描述后，不但简化了足迹的描述，而且进一步排除噪声的干扰使提取的特征更加稳定。(本文来源于《解放军信息工程大学》期刊2005-10-01）
王卫东[5]（2005）在《立体足迹重压面分割与形态特征描述》一文中研究指出近年来,随着信息处理技术和计算机、网络技术的高速发展,基于人体生物特征的身份鉴别即生物特征识别成为当前信息技术领域的研究热点。人体站立或行走条件下遗留的立体足迹与人体的身高、体态、性别、年龄存在着特定的联系,在刑事侦察等领域的长期实践中已得到证实和成功的应用。作为生物识别中的一个新的研究方向,足迹生物特征识别有许多基本理论和算法研究课题。 本文研究立体足迹的生物特征识别技术。由于立体足迹呈现的叁维表面数据,立体足迹数据的处理和生物特征提取方法研究,不仅是深度图像处理和模式识别中有重要学术意义的研究课题,在刑事侦查、保安等领域也有明显的应用前景。 本文针对立体足迹呈现叁维曲面的微分几何关系,运用深度图像处理与分析原理研究了立体足迹重压面的分割方法,并结合立体足迹身份鉴别领域知识,研究了重压面形态特征参数的提取方法。取得的主要成果包括: 一、构建足迹图像和人体生理特征数据库。 建立足迹图像和人体生理特征数据库是发展足迹识别理论、开展足迹生物鉴别技术研究的基础性工作。目前国内外还没有这样的足迹数据库。该数据库将用于足迹生物特征分析和识别技术研究,同时也可为国内外相应研究机构提供测试数据。 二、运用微分几何原理研究深度图像分割方法,实现了立体足迹重压面的分割与提取。 本文针对足迹深度图像的特点,定义了形状索引的概念,提出了一种基于高斯曲率和平均曲率的分割方法。针对足迹深度数据的强噪声产生的过分割问题,设计了人机交互后处理方式,运用足迹识别领域知识进行区域选择与合并,提高了重压面分割精度。 叁、结合足迹身份鉴别领域知识,提出了一组描述人体生物特征的特征参数。 特征描述是计算机自动识别的基础,它将直接影响到识别的效果。本文提出了一种基于足迹全局与区域特征的描述方法,并对提出的特征进行了初步分析。全局特征如足迹的长、宽、矩形度和重压点之间的连线长度与夹角均能较好地反映足迹遗留人的足部骨骼的分布形状、足迹的大小、胖瘦;区域特征如各重压面的面积分布可以反映人的体态和行走习惯,而质心多边形能较好的地描述五趾之间的位置关系。这些特征均能客观地反映足迹遗留人的特征。(本文来源于《中国人民解放军信息工程大学》期刊2005-04-01）
杨姝,史力民,王彩荣,高立群[6]（2004）在《基于二维阈值向量分割的足迹边缘提取方法》一文中研究指出根据足迹图像特点,提出了基于灰度 梯度二维阈值向量区域分割的边缘提取方法·该方法以灰度 梯度共生矩阵为模型,利用最大熵原理,自动求出灰度 梯度二维阈值向量;用此二维阈值向量对图像进行区域分割,具有抗干扰能力强和正确分割模糊边缘像素的特点,构造两个适合足迹图像特点的结构元算子,对区域分割后的二值图像作数学形态学运算,以光滑边缘、提取边缘·大量实验表明,用本文方法提取的足迹边缘光滑,与原始图像具有很高的相似性;噪声得到抑制,取得令人满意的效果·(本文来源于《东北大学学报》期刊2004年03期）
李国安,史力民,姚力,李钊[7]（2001）在《“黄金分割律”在足迹检验中的应用》一文中研究指出引用黄金分割律的有关理论与方法,讨论其在足迹检验、特别是残缺足迹检验方面应用的可行性及现实性,具体介绍了足迹各部位特征点与黄金分割律的相关关系,从而达到根据残缺足迹分析完整足迹特征的目的。(本文来源于《刑事技术》期刊2001年01期）
足迹分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
足迹作为案件现场常见的犯罪痕迹之一,其分割结果有利于提取足迹的信息,获取揭露和证实犯罪的证据,进而提高刑事案件的破案率。然而,由于足迹本身包含丰富的多尺度特征,以及犯罪现场环境的复杂性造成的足迹残缺、结构破损等问题,使得相关工作进展缓慢。近年来,随着深度学习方法的发展,自然图像的分割算法却发展迅猛,其分割结果不断在提升。本文主要目的是通过借鉴解决自然图像的分割算法,并结合足迹图像独有的特点,设计出适应于足迹分割的模型,进而解决足迹分割问题。在全卷积网络的基础上,通过将跳层结构和损失函数结合到网络结构的底层,即具备高分辨率、小感受野的层,获取对应的小尺度的特征,这里称这样的层为低尺度层,提取到的特征叫作低尺度特征,从而分别构造出基于低尺度跳层结构和多尺度损失函数的足迹分割模型。并通过融合局部多个感受野下特征生成对应尺度特征,进一步丰富网络在各个尺度上的特征提取能力,构造出最终的多精细尺度损失函数的足迹分割模型。低尺度跳层结构模型在测试集上,平均准确率和平均覆盖率分别达到40.40%和31.99%。多尺度损失函数通过引入损失函数,加强网络多尺度特征表示能力,将平均准确率和平均覆盖率大幅度的提升到了86.18%和32.12%。最后通过改变网络各个尺度上的拓扑结构,多个感受野下特征的融合作为单尺度特征,最终将平均准确率和平均覆盖率提升到90.83%和33.17%。实验结果表明,本文算法能够分割出精准的足迹,保留足迹大量的精细结构特征,并在更大的数据集上具备鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
足迹分割论文参考文献
[1].郭甜利.基于语义的平面足迹形象特征分割[D].中国人民公安大学.2019
[2].杨海波.基于多精细尺度损失函数的足迹分割[D].大连理工大学.2018
[3].黄兴华.图像分割在足迹分割中的运用[D].大连理工大学.2012
[4].丁益洪.立体足迹叁维曲面分割与识别[D].解放军信息工程大学.2005
[5].王卫东.立体足迹重压面分割与形态特征描述[D].中国人民解放军信息工程大学.2005
[6].杨姝,史力民,王彩荣,高立群.基于二维阈值向量分割的足迹边缘提取方法[J].东北大学学报.2004
[7].李国安,史力民,姚力,李钊.“黄金分割律”在足迹检验中的应用[J].刑事技术.2001