图像分块及惰性多示例学习鞋印图像识别

结合图像分块与惰性多示例学习(MIL)给出一种鞋印识别新算法。将整个鞋印图像当作包,根据脚底生物特征比例,采用均匀网格分块的方法将鞋印图像分成15个子块,并提取每个子块的纹理与形状特征,当作包中的示例,将鞋印图像识别问题转化成MIL问题;然后,将推土机距离(EMD)应用到K最近邻(KNN)算法中,得出一种惰性MIL新方法用于鞋印识别。在包含5种不同类型花纹的鞋印库中进行实验,识别正确率可达91.28%,较之基于欧氏距离的KNN算法,识别精度平均提高4.0%。