融合LBP特征与LSH索引的鞋印图像检索

融合局部二值模式(LBP)纹理特征与局部敏感哈希(LSH)索引方法,给出一种大规模鞋印图像快速检索方法。首先,提取鞋印图像的旋转不变LBP特征,用于描述鞋印的底层视觉特征;然后,采用LSH方法为鞋印库中的图像建立索引结构,以实现快速检索。在包含有多种尺度与旋转变化的6万幅鞋印图像库中进行实验,TOP30检索正确率达到91.6%,且在检索速度方面,较之传统的线性搜索方法提高10倍。

鞋印图像检索研究现状与发展趋势

鞋印是案发现场中常见的物证痕迹,查询比对鞋印图像是重要的刑侦技术。从基于文本和基于内容两个方面出发,综述鞋印图像检索的研究进展。针对基于内容的鞋印图像检索,介绍底层视觉特征提取、高层语义学习和检索结果评价等关键技术,以及鞋印图像数据库和鞋印图像检索的应用场景。最后,结合公安刑侦领域的实际需求,探讨鞋印图像检索技术的未来研究趋势。

基于SVM相关反馈的鞋印图像检索算法

在刑侦方面,鞋印图像的信息化检索对侦破串并案件有着重要的意义。在大规模的鞋印图像库中准确检索出与现场鞋印同类的图像是现在需要解决的问题之一。在基于内容的图像检索基础上,提出一种支持向量机(Support Vector Machine,SVM)与人工反馈结合的方式。利用K-means聚类算法对SIFT(Scale Invariant Feature Transformation)提取的特征向量聚类,构建鞋印图像特征包,并进行相似度排序,得出初步检索结果。用户以此结果进行相关反馈,通过SVM构造相应分类器,最后根据分类结果计算图像与超平面之间的距离来度量图像的相似度排序,返回二次检索结果。实验结果表明,在不同返回结果中二次检索比初步检索的查全率平均提高了6%。

一种基于词汇树的鞋印图像可伸缩检索方法

为了提高在海量、动态变化的鞋印图像数据库中检索鞋印图像精度并降低检索时间,提出了一种基于词汇树的鞋印图像可伸缩检索方法。该方法通过提取鞋印图像的尺度不变特征变换(scale-invariant feature transform,SIFT)局部特征,采用层次性K均值聚类方法生成词汇树。基于词汇树计算查询图像和数据库图像之间的相似性以得到检索结果。在包含9 691幅鞋印图像数据库中进行实验,实验结果表明,与按例检索方法相比,本文方法在查准率上平均提高了9%,在检索时间上平均下降了4.927s。