一種快速的現(xiàn)場輪胎痕跡花紋檢索算法
【專利摘要】本發(fā)明提供一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，首先通過分析待測圖像的特點，對圖像預處理；然后在算法誤差允許范圍內提取庫存圖像和待測圖像的具有旋轉、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；最后結合提取的特征進行特征檢索。本發(fā)明一種快速的現(xiàn)場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、縮放、平移不變性，并具有對噪聲不敏感的特性，在分類檢索方面具有明顯的優(yōu)勢，在大樣本數(shù)據庫的基礎上進行實驗，取得了較好的檢索結果，尤其是針對對比度較低、殘缺較大、有畸變的現(xiàn)場輪胎痕跡花紋圖像，檢索結果較好。
【專利說明】一種快速的現(xiàn)場輪胎痕跡花紋檢索算法
【技術領域】
[0001]本發(fā)明涉及一種檢索算法，特別是一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，屬于輪胎痕跡檢索方法領域。
【背景技術】
[0002]輪胎痕跡花紋及細節(jié)作為車輛的“指紋”，未來在公安和法庭科學上將會有一席之地，對道路交通事故處理與事故責任認定必將具有重要的意義。目前輪胎痕跡花紋自動檢索技術主要有四種: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、基于人工神經網絡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)據庫，提出了基于文本的輪胎痕跡檢索技術，此技術的前提是建立完備的車體資料信息數(shù)據庫，但是實際實施時存在很大的難度。
[0003]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)域間信息相關性，盡可能消除輪胎采集設備與采集環(huán)境給檢索帶來的影響。根據變換的不同，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?；诟道锶~變換的輪胎痕跡花紋檢索方法主要是進行粗分類，在分類技術上有很大的局限性，不能實現(xiàn)查找與待檢索圖像細節(jié)信息更相似的標準圖像?；贕abor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行相似度計算，但是Gabor變換的效果依賴于Gabor參數(shù)的選擇?；贑ontourlet變換的輪胎痕跡花紋檢索方法采用非下采樣金字塔(NonSubsampledPyramid, NSP)對圖像進行多尺度分解，得到圖像的低通子帶系數(shù)和帶通方向性子帶系數(shù)，通過非下米樣方向濾波器(NonSubsampled Directional Filter Banks, NSDFB)將帶通子帶分解為若干個方向，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，對于旋轉稍微較大的輪胎圖像，其識別效果較差。
[0004]基于特征的輪胎痕跡花紋檢索方法的一般過程是:首先從待測圖像和庫存圖像中提取對縮放(Scale)、旋轉(Rotate)、平移(Translation)變換具有不變性的特征點，然后針對特征點進行相似度計算，從而達到圖像分類識別的目的?；赟IFT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的旋轉、縮放、平移，圖像仿射，投影變換，光照影響，目標遮擋，雜物場景，噪聲等問題，但是檢索效果取決于各種參數(shù)的選取，并且對現(xiàn)場低對比度、低質量的輪胎痕跡檢索效果不好。
[0005]目前存在的基于人工神經網絡的輪胎痕跡花紋檢索算法計算復雜度高，不適用于實際應用中。基于圖像分割的輪胎痕跡花紋檢索效果的好壞嚴重依賴于分割輪胎圖像時閾值的選取和輪胎花紋的對比度和清晰程度。
[0006]雖然國內外在輪胎痕跡花紋檢索方面取得了一些成果，但是在實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)場各種強干擾條件，并且未有支持大樣本數(shù)據庫的算法。
[0007]有鑒于此特提出本發(fā)明。

【發(fā)明內容】

[0008]本發(fā)明要解決的技術問題在于克服現(xiàn)有技術的不足，提供一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，包括針對對比度較低、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)據庫并能夠應用到實際系統(tǒng)中。
[0009]為解決上述技術問題，本發(fā)明采用技術方案的基本構思是:
[0010]一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，首先通過分析待測圖像的特點，對圖像預處理；然后在算法誤差允許范圍內提取庫存圖像和待測圖像的具有旋轉、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；最后結合提取的特征對待測圖像在庫存圖像中進行特征檢索。
[0011]進一步的，圖像預處理包括增加圖像對比度、對圖像進行分塊二值化兩方面。
[0012]進一步的，提取特征的方法為:提取圖像的方向性頻譜，并利用大部分輪胎花紋具有明顯的周期性及其紋理方向性進行主頻方向檢測，確定主頻的頻率能量值和方向。
[0013]進一步的，應用傅里葉變換的原理來對圖像提取頻譜特征，再對提取的頻譜進行極坐標變換，計算方向性頻譜特征，以解決旋轉、縮放、平移問題。
[0014]進一步的，根據輪胎花紋的特點，從輪胎花紋的整體花紋形狀入手先進行粗匹配，然后根據花紋的局部細節(jié)信息進行精確的匹配。
[0015]進一步的，進行粗匹配時，根據待測圖像和庫存圖像的主頻方向的能量值是否大于設定參數(shù)，判斷圖像是否有縱溝，進行圖像有無縱溝的粗分類。
[0016]進一步的，在進行檢索時，若待測圖像與庫存圖像均有縱溝，則進行訓練特征，去除縱溝對檢索認定的影響。
[0017]進一步的，在進行檢索時，若待測圖像與庫存圖像一個有縱溝，一個沒有縱溝，則進行加權計算得到待測圖像與庫存圖像相似度。
[0018]進一步的，在訓練特征時，根據實際圖像情況將待測圖像方向性頻譜的第一主頻某一角度閾值范圍內的值全部賦零，在賦零后的方向性頻譜中尋找最大值，將其加上某一數(shù)值后作為去除參數(shù)H，將庫存圖像方向性頻譜中位于待測圖像主頻某一角度閾值范圍內高于H的值賦零。
[0019]采用上述技術方案后，本發(fā)明與現(xiàn)有技術相比具有以下有益效果。
[0020]本發(fā)明一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，該算法針對輪胎滾壓形成的花紋痕跡及待測圖像，經過圖像預處理，以待測圖像在輪胎花紋庫中查找相同花紋輪胎圖像，以此確定輪胎的品牌和型號。方向頻譜特征和兼顧整體與局部的特征檢索策略，具有旋轉、縮放、平移不變性，并具有對噪聲不敏感的特性，在分類檢索方面具有明顯的優(yōu)勢，在大樣本數(shù)據庫的基礎上進行實驗，取得了較好的檢索結果，尤其是針對對比度較低、殘缺較大、有畸變的現(xiàn)場輪胎痕跡花紋圖像，檢索結果較好。
[0021]下面結合附圖對本發(fā)明的【具體實施方式】作進一步詳細的描述。
【專利附圖】

【附圖說明】[0022]圖1是本發(fā)明一種快速的現(xiàn)場輪胎痕跡花紋檢索算法的流程圖。
【具體實施方式】
[0023]如圖1所示，檢索是通過對兩幅圖像的對比得出結果，因此，需要對庫存圖像進行讀取，即獲取數(shù)據庫圖像，基于一定的比例因子進行尺度歸一化處理，對庫存圖像計算其各個角度方向能量，并排序尋找其主頻的頻率能量值和方向，后儲存數(shù)據，對待測圖像進行相應的讀取并基于相同的比例因子進行尺度歸一化處理，對待測圖像計算其各個角度方向能量，并排序尋找其主頻的頻率能量值和方向。讀取之前儲存的庫存圖像即數(shù)據庫樣本的特征與待測圖像即待測樣本的特征進行比較。
[0024]本發(fā)明一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，首先通過分析現(xiàn)場輪胎痕跡花紋圖像的特點，對圖像預處理；然后在算法誤差允許范圍內提取具有旋轉、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；最后結合提取的特征進行特征檢索。
[0025]圖像預處理包括增加圖像對比度、對圖像進行分塊二值化兩方面。
[0026]一般的現(xiàn)場輪胎痕跡花紋圖像通常含有各種各樣的噪聲和畸變，圖像質量很低，為了達到更好的檢索效果，首先從增加圖像對比度、對圖像進行分塊二值化兩方面對現(xiàn)場輪胎痕跡花紋圖像進行預處理，將現(xiàn)場輪胎痕跡花紋圖像作為待測圖像；對庫存圖像基于相同的預處理方法進行預處理。預處理的過程大致為讀取庫存圖像和待測圖像，并轉化為灰度圖，并進行分塊二值化，將庫存圖像和待測圖像調整為正方形，并且提取庫存圖像和待測圖像特征。
[0027]提取特征的方法為:提取庫存圖像和待測圖像的方向性頻譜，并利用大部分輪胎花紋具有明顯的周期性及其紋理方向性進行主頻方向檢測，確定主頻的頻率能量值和方向。具體步驟如下:
[0028]對于讀入的二值圖像，進行五步的處理:
[0029]1、將圖像進行傅里葉變換。
[0030]2、帶通濾波器濾波，并取絕對值。
[0031]3、極坐標變換。
[0032]4、各個方向取絕對值求和。
[0033]5、將各個方向的頻譜能量進行排序，確定主頻的頻譜能量值和方向。
[0034]應用傅里葉變換的原理來對圖像提取頻譜特征，再對提取的頻譜進行極坐標變換，提取各個方向的頻率能量，求和后得到方向性的頻率能量作為方向性頻譜特征，以解決旋轉、縮放、平移問題。并利用大部分輪胎花紋具有明顯的周期性及其紋理方向性進行主頻方向檢測，確定主頻的頻率能量值和方向。
[0035]根據輪胎花紋的特點，從輪胎花紋的整體花紋形狀入手先進行粗匹配，然后根據花紋的局部細節(jié)信息進行精確的特征匹配。
[0036]如圖1所示，在進行兩幅圖像比對時，根據主頻的頻率能量的大小按不同的權值進行逐一比對，具體做法為:
[0037]1、根據待測圖像是否有縱溝即待測圖像的輪胎花紋是否有縱溝來設定閾值M。若待測圖像無縱溝，則將閾值M取一個極大的值，否則M取一個經驗值。
[0038]2、如果待測圖像即待測樣本與庫存圖像即數(shù)據庫樣本的最大主頻能量均大于等于M，并且主頻方向一致，則進行訓練特征和求相關操作，系數(shù)為R1，權值為W1。
[0039]3、如果待測圖像即待測樣本與庫存圖像即數(shù)據庫樣本的最大主頻能量小于M，并且主頻方向一致，則進行求相關操作，系數(shù)為R2，權值為W2。
[0040]4、如果待測圖像即待測樣本與庫存圖像即數(shù)據庫樣本的最大主頻能量一個大于M, —個小于M,則進行求相關操作,系數(shù)為R3,權值為W3。
[0041]5、如果待測圖像即待測樣本與庫存圖像即數(shù)據庫樣本的最大主頻能量大于等于M，并且主頻方向不一致，則進行求相關操作，系數(shù)為R4，權值為W4。
[0042]6、如果待測圖像即待測樣本與庫存圖像即數(shù)據庫樣本的最大主頻能量小于M，并且主頻方向不一致，則進行求相關操作，系數(shù)為R5，權值為W5。
[0043]7、根據上述具體做法2至6確定的各種情形下的相關系數(shù)Ri和權值Wi，分別計算兩幅圖像的相似度R=Ri*Wi。
[0044]8、待測圖像與數(shù)據庫中的不同的庫存圖像進行比較得到不同的相似度R，按所求得的相似度R由大到小進行排序。
[0045]上述具體做法中，主頻方向一致，意味著花紋走向相似。主頻方向不一致，意味著花紋走向不相似。
[0046]上述具體做法2中，訓練特征的具體過程為:(1)將待測圖像方向性頻譜的主頻角度閾值A范圍內的值全部賦零，即去掉最大主頻能量，其目的是為了減小縱溝對檢索結果的影響。去掉最大主頻能量實際就是在認可有縱溝的前提下，去掉縱溝對檢索認定的影響。
(2)在賦零后的方向性頻譜中尋找最大值，將其加上a后作為去除參數(shù)H ；a為根據實際圖像情況得到的一個經驗值。(3)將庫存圖像的方向性頻譜中位于待測圖像主頻某一角度閾值范圍內高于H的值賦零。
[0047]當待測圖像與庫存圖像主頻能量足夠大和方向一致且是非同類圖時，主頻的頻率能量值對相似度計算影響較大，訓練特征的目的在于減弱其影響。
[0048]上述Ri是指求相關操作后所得到的結果，Wi是根據輪胎花紋滿足的不同條件賦予的權值，為一經驗值。
[0049]最終，庫存圖像和待測圖像兩幅圖像的相似度R為Ri與Wi的乘積。兩幅圖像的相似度R對應為圖1中的相似度或加權相似度。
[0050]在上述具體做法的2、3中，計算所得的結果為相似度。具體做法的4、5、6中，計算所得的結果為加權相似度。
[0051]計算相似度是指在權值Wi為I的情況下計算兩幅圖像的相似度，即庫存圖像和待測圖像兩幅圖像中的輪胎均有縱溝或均無縱溝的情況下計算兩幅圖像的相似度。
[0052]計算加權相似度是指在權值Wi不是I的情況下計算兩幅圖像的相似度，即庫存圖像和待測圖像兩幅圖像中的輪胎一個有縱溝，一個沒有縱溝的情況下計算兩幅圖像的相似度。
[0053]本發(fā)明一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，該算法針對輪胎滾壓形成的花紋痕跡及待測圖像，經過圖像預處理，以待測圖像在輪胎花紋庫中查找相同花紋輪胎圖像，以此確定輪胎的品牌和型號。方向頻譜特征和兼顧整體與局部的特征檢索策略，具有旋轉、縮放、平移不變性，并具有對噪聲不敏感的特性，在分類檢索方面具有明顯的優(yōu)勢，能夠快速檢索，在大樣本數(shù)據庫的基礎上進行實驗，取得了較好的檢索結果，尤其是針對對比度較低、殘缺較大、有畸變的現(xiàn)場輪胎痕跡花紋圖像，檢索結果較好。
[0054]上述實施例中的實施方案可以進一步組合或者替換，且實施例僅僅是對本發(fā)明的優(yōu)選實施例進行描述，并非對本發(fā)明的構思和范圍進行限定，在不脫離本發(fā)明設計思想的前提下，本領域中專業(yè)技術人員對本發(fā)明的技術方案作出的各種變化和改進，均屬于本發(fā)明的保護范圍。
【權利要求】
1.一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:首先通過分析待測圖像的特點，對圖像預處理；然后在算法誤差允許范圍內提取庫存圖像和待測圖像的具有旋轉、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；最后結合提取的特征對待測圖像在庫存圖像中進行特征檢索。
2.根據權利要求1所述的一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:圖像預處理包括增加圖像對比度、對圖像進行分塊二值化兩方面。
3.根據權利要求1或2所述的一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:提取特征的方法為:提取圖像的方向性頻譜，并利用大部分輪胎花紋具有明顯的周期性及其紋理方向性進行主頻方向檢測，確定主頻的頻率能量值和方向。
4.根據權利要求3所述的一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:應用傅里葉變換的原理來對圖像提取頻譜特征，再對提取的頻譜進行極坐標變換，計算方向性頻譜特征，以解決旋轉、縮放、平移問題。
5.根據權利要求1所述的一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:根據輪胎花紋的特點，從輪胎花紋的整體花紋形狀入手先進行粗匹配，然后根據花紋的局部細節(jié)信息進行精確的匹配。
6.根據權利要求5所述的一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:進行粗匹配時，根據待測圖像和庫存圖像的主頻方向的能量值是否大于設定參數(shù)，判斷圖像是否有縱溝，進行圖像有無縱溝的粗分類。
7.根據權利要求6所述的一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:在進行檢索時，若待測圖像與庫存圖像均有縱溝，則進行訓練特征，去除縱溝對檢索認定的影響。
8.根據權利要求6所述的一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:在進行檢索時，若待測圖像與庫存圖像一個有縱溝，一個沒有縱溝，則進行加權計算得到待測圖像與庫存圖像相似度。
9.根據權利要求7所述的一種快速的現(xiàn)場輪胎痕跡花紋檢索算法，其特征在于:在訓練特征時，根據實際圖像情況將待測圖像方向性頻譜的第一主頻某一角度閾值范圍內的值全部賦零，在賦零后的方向性頻譜中尋找最大值，將其加上某一數(shù)值后作為去除參數(shù)H，將庫存圖像方向性頻譜中位于待測圖像主頻某一角度閾值范圍內高于H的值賦零。
【文檔編號】G06K9/64GK103955496SQ201410158569
【公開日】2014年7月30日 申請日期:2014年4月18日 優(yōu)先權日:2014年4月18日
【發(fā)明者】王新年, 何曉光, 李博 申請人:大連恒銳科技股份有限公司