基于kNN的鞋印花纹的图像分割算法应用检验
马华东 杜建军
上海市公安局浦东分局刑侦支队刑事科学技术研究所，上海200125
摘 要： 图像分割是一种基本的计算机视觉技术，通过分割有利于图像特征的提取。本文针对传统图像分割的弱点，比如语义的二义性、难以达到理想的效果等，加之图像光照不均、干扰噪声复杂等问题，提出了一种基于kNN 的鞋印花纹的图像分割算法，利用kNN 的分类策略，提高鞋印花纹的提取精度，从而达到理想化的分割效果。
关键词： 鞋印花纹；kNN ；图像分割
在案发现场，工作人员采集到的鞋印通过技术手段的处理，为案件的侦破提供了强有力的线索。但是，在技术处理上，从复杂的背景中提取出有效的鞋印花纹，是一项挑战性极大的工作，已成为足迹识别中的关键技术。虽然目前计算机的图像识别能力已经提升到一个新的高度，但是对于高层语义的理解，仍然面临着极大的挑战。
一、鞋印在刑侦中的应用
在犯罪现场，工作人员可以采集到很多痕迹数据，比如指纹痕迹、相关工具痕迹、鞋印痕迹等。但是，与其他痕迹相比，鞋印更易获取，而且在技术处理上也取得了很大的进展，可以实现跨省市的协同分析，从而为案件的侦破提供了有力的证据。
哦，对了！如果家里有小弟弟、小妹妹总是打扰到你做作业怎么办？书桌可聪明了。如果弟弟妹妹爬过来，机器人书桌便会用一只像妈妈的手一样柔软、温暖的机械手把小宝宝抱到距书桌四米远的地方，并给书桌罩上一个可以透气的防护罩，这样就可以防止由于弟弟妹妹的“围攻”，而无法完成作业的情况了。
因此，鞋印识别及其技术处理已经成为刑事技术中非常重要的一项手段，借助现代信息技术，通过采集鞋印从而对获取到的鞋印花纹进行进一步的处理，为刑事侦破注入了新的活力。然而，通常情况下，从现场获得的鞋印是非常模糊的，并且不完整性大量存在，因此，要提取鞋印花纹是非常困难的。这就需要对鞋印花纹进行分割，通过人机交互方式实现理想化的花纹提取。
从1979年世界气候大会到2015年巴黎气候大会,中国的气候外交路线可划分为“跟随者”“参与者”“引领者”三个阶段,坚定发展中国家立场,落实减排目标责任,争取发展权益,有力地推动了全球气候治理进程。
二、图像分割及其kNN算法
(一)图像分割
(5)在执行上述过程中，如果两个区域相同，需要进行合并，然后继续遍历，得到区域的合并结果，最后提取鞋印花纹结果。
(4)进行判别，具体也就是分类的过程。
(二)kNN算法
具体算法执行可以描述为以下步骤：
为了将整个处理过程流程化，形成一个整体化的处理框架，这里给出基于kNN的鞋印花纹图像分割算法的执行流程，见图1。
2.算法描述
将MSRM算法的分割结果P作为输入，然后标记分割不满意区域R，计算区域R的邻接区域Ri和初始标记区域相似度S，由kNN算法判别区域Ri的类型，如果相同，进行区域的合并并更新R，最后进行R的标记，最后对结果是否满意进行评判。
贫镉液镉含量远高于钴含量，另外，镉的置换反应仅需20～30 min，镉优先与锌粉发生置换反应。且随着温度的升高以及反应时间的延长，金属镉与溶液接触时间长，镉复溶的机率增大，重新进入溶液的镉又参加锌粉置换反应，如此反复，除镉消耗了大量锌粉，相对参与钴置换的锌粉量不足，从而降低了除钴效率。
1.算法原理
①中文版糖尿病自我管理行为量表（Chinese version Scale of the Diabetes Self-care Activities，SDSCA）经过患者知情同意后，对其使用SDSCA进行调查。糖尿病自我管理行为量表由Toobert等[6]修订，我国万巧琴等[7]对其进行翻译，测得SDSCA总体Cron-bach's α为0.62，重测信度0.83。翻译后量表由11个条目组成，分别反映普通饮食、特殊饮食、运动、血糖监测、足部护理、药物等6个方面内容，其中10个条目为正向题，1个条目为反向题，每个条目按0～7分8级计分，总分0～77分，得分越高，说明自我管理行为越好。
(2)提取颜色直方图特征和方向直方图特征，具体包括设置直方图的参数信息，对直方图进行展示等。
(1)对鞋印花纹图像的前景区域和背景区域进行标注，具体包括：获取图片的个数，遍历单个图片进行区域的标注，以及图片的保存。
(3)计算区域相似度，根据需要，建立距离的度量标准(本文采用马氏距离)、将距离转化为numpy数组(这里采用Python完成处理)。
在交互式图像分割的研究领域，也有很多中方法，比如有从图论出发的，有从目标轮廓标记出发的，等等。从目前来看，国内外的很多交互式图像分割算法，都是基于Graph Cut算法的，但是，从计算量来看，计算复杂度较高。因此，后续出现了很多算法对该算法进行了优化，比如Grab Cut等。以上算法在某些方面或应用领域针对特定情况能够对图像进行有效分割，但是在复杂的前景背景颜色分布下，其适用性仍然有限，鲁棒性较弱，达不到一个好的分割效果。为此，本文提出基于kNN的图像分割算法。
图像分割算法是从图像处理到图像分析的关键环节，与传统的图像分割算法相比，当前的图像分割更加着眼于交互式分割，其根据图像的某些特征，将图像组织成有所区别的像素集合，在交互过程中，执行大量的迭代运算，从而生成最优解，实现特点像素点的提取。
三、实验结果与分析
K近邻算法(k-Nearest Neighbor，简称kNN)是“懒惰学习”的代表，既可处理分类问题，也可处理回归问题，其本质是基于一种数据统计的方法，在执行过程中，将未知样本点在附近找K个最近的点进行投票，最后选择k个最相似数据中出现次数最多的类别作为未知样本点的分类。本文在MSRM算法初始花纹的提取基础上，修正前景和背景的误分情况，运用相邻区域的相似性，即基于kNN算法，确定标记点周围邻接区域的类型，从而完成对邻接区域的重新判定。
紫杉醇涂层支架应用于临床中，对中期近期均能够起较好的应用效果，对再狭窄情况加以预防，但临床中针对其远端效果研究还并未抑一致。现今临床的改良紫杉醇涂层支架工艺，对支架的材料、形状有效调整，在减小支架刚性的同时增强了弹性，发现可以有效抑制内膜增生减少损伤。笔者也相信在当前临床医疗技术不断创新背景下，冠心病介入治疗应用紫杉醇涂层支架必将具有更广阔的应用前景。
图1 算法执行流程
MSRM算法作用于背景轮廓不明显的图像，其切割效果就会受到一定的影响，但是，MSRM是基于最大相似度的区域合并算法，是机器学习中的分类思想在图像背景识别中的具体应用，也可用于多目标提取。因此，本文在此基础上，对MSRM算法加以改进，提出基于kNN的鞋印花纹分割算法。其改进的效果如何，是否能在分割的准确性上有更好地表现，本文进行了测试对比，具体对比结果，见表1。
表1 算法结果评价
表1中的四种评价指标，是以最终的平均作为分割结果的性能指标。其中准确率和召回率越接近于1，表示分割效果越好，当二者出现不一致时，使用F-Score进行综合反映，而概率边缘指数用以描述待分类和标准分类之间在属性方面拥有一致性的像素数量，取值越大，表示分割效果越好。
到进入21世纪以来，大量新建的西方美术馆都呈现出公共性和开放性的特征，作为对20世纪后半叶发展趋势的延续，日常生活成为联系公众与艺术的纽带。美术馆的公共空间呈现为空间比重的增加、功能类型的多样和空间模式的灵活三大特征。弗兰克·盖里的美术馆设计团队提示说，大多数现代美术馆的画廊面积只有总建筑面积的30%至40%左右[14]。而剩下的60%，既包括了办公空间，有包括了作为城市与美术馆接口的服务空间。同时展陈空间与公共空间的界限被可以模糊，以便于创造人与展品发生关系的诸多机会。
从输出可以看出，kNN算法下的鞋印花纹提取更加准确，分割性能有所提高。
四、结束语
本文对当前的图像分割方法及技术进行了综述，基于MSRM算法的不足和优势，针对鞋印花纹的分割实际，提出了基于kNN的图像分割算法，即以MSRM的初始处理作为输入，然后运用kNN算法进行后续的处理，实现图像初始区域的合并、修正、去燥等处理，从而提高了花纹与背景判定的准确性，也进一步提高了花纹提取的精度。
[ 参 考 文 献 ]
[1]Jian C，Bin Y，Hua J，et al.Interactive image segmentation by improved maximal similarity based region merging[C]// IEEE International Conference on Medical Imaging Physics & Engineering.IEEE，2014.
[2]李大湘，吴倩，李娜，等.图像分块及惰性多示例学习鞋印图像识别[J].西安邮电大学学报，2016，21(1)：59-62.
[3]王加丽.交互式现场鞋印花纹提取算法研究[D].大连海事大学，2017.
[4]郑庆庆，桑农，高常鑫，et al.改进的基于区域合并的纹理图像分割方法[J].华中科技大学学报(自然科学版)，2011(5)：109-112.
中图分类号： D918.3
文献标识码： A
文章编号： 2095-4379- (2019 )19-0127-02