李洪武董 波

（1 遼寧警察學(xué)院 遼寧 大連 116036；2 大連恒銳科技股份有限公司 遼寧 大連 116023）

基于霍夫變換的工具痕跡特征提取方法研究

李洪武1董 波2

（1 遼寧警察學(xué)院 遼寧 大連 116036；2 大連恒銳科技股份有限公司 遼寧 大連 116023）

利用計算機對線條型工具痕跡進行自動比對的關(guān)鍵是提取特征，基于此，研究了一種基于霍夫變換的工具痕跡特征提取方法，該方法包括圖像預(yù)處理、邊緣檢測、霍夫變換、直線模型匹配與聚類、主方向與成痕過程模擬幾個步驟，通過以上步驟可以從痕跡圖像中提取工具痕跡的直線方程與成痕方向，為后續(xù)特征比對提供數(shù)據(jù)基礎(chǔ)。

霍夫變換 工具痕跡 特征提取

線條型工具痕跡數(shù)字化比對方法的研究是基于提取痕跡的特征點，利用計算機采用線性圖像邊緣檢測算法和圖像匹配技術(shù)，利用圖像的邊緣紋理特征對圖像進行比較，并根據(jù)這些特征的匹配度統(tǒng)計數(shù)據(jù)，對工具痕跡之間的相似度做出評價。它的開發(fā)研制可以提高檢驗鑒定的準確度，進而提高此類痕跡的利用率，對于串并案件和提升刑事案件的偵破率具有較大的幫助。構(gòu)建該工具的技術(shù)關(guān)鍵有兩個：工具痕跡特征的提取與量化描述，工具特征痕跡特征相似性評價模型構(gòu)建。前者是后者的研究基礎(chǔ)。

1 算法內(nèi)容

1.1 霍夫變換

霍夫變換(Hough Transform)是圖像處理中從圖像中識別幾何形狀的基本方法之一，該方法最早是由霍夫于1959年提出的，直到1981年，Ballard提出利用該變換來檢測幾何形狀是可行的。隨著該理論的不斷擴充，其應(yīng)用也變得越來越廣泛，也衍生出了很多改進算法。但是，最常用的霍夫變換就是從黑白圖像中檢測直線，應(yīng)用場景主要是目標識別與定位，比如衛(wèi)星圖像的橋梁識別、自動駕駛中的路線檢測等。

對于霍夫變換的基本原理可以從基于霍夫變換的直線識別過程來理解：在平面直角坐標系（x-y）中，一條直線可以用方程y=kx+b表示。對于直線上一個確定的點(x0，y0)有b=y0-kx0，則該直線也可以變成以-x0為斜率、y0為截距直線，原始的（x-y）坐標系，變成了（k-b）坐標系，那么原始直線上所有的點，在（k-b）坐標系中變成了直線簇，從數(shù)據(jù)域到參數(shù)域的變換就是霍夫變換，這樣一來，直線簇公共交點在參數(shù)域的坐標值，就是所要檢測的直線方程參數(shù)。有幾個交點，就代表待檢測圖像中有幾條直線。

1.2 基于霍夫變換的工具痕跡特征提取方法工作流程

首先，對采集到的工具痕跡圖像通過預(yù)處理進行灰度化與去噪，然后利用邊緣檢測得到邊緣圖像，利用邊緣的坐標集進行霍夫變換，再對檢測到的直線進行聚類，并剔除干擾直線，最后利用直線線段擬合，得到成痕過程整體曲線描述，并給出成痕主方向（如圖1所示）。

1.3 圖像預(yù)處理

主要有灰度化處理和灰度歸一化兩個基本環(huán)節(jié)?；叶葰w一化處理的目的是將從灰度上盡量消除由于成像系統(tǒng)不統(tǒng)一帶來的成痕灰度差異?；叶然瘏⒖寄Ｐ腿缦率剿尽?/p>

式中，I（x，y）代表的是原圖灰度；g（x，y）代表的是處理后圖灰度；k是灰度縮放系數(shù)；b是灰度平移系數(shù)。

圖1 算法流程圖

圖2為待檢測圖像，圖3是經(jīng)過灰度歸一化的圖像，從結(jié)果來看，該步驟同樣具有部分圖像增強的效果。

圖2 待檢測圖像

圖3 灰度歸一化圖像

1.4 邊緣檢測

由于工具成痕客體不同，而且客體表面的紋理與工具痕跡之間的關(guān)系模型并不固定，因此，此步驟建議采用人工標畫成痕區(qū)域，消除其他紋理線條的影響。然后進行差分，得到邊緣差分值，通過自動閾值二值化得到邊緣，采用Sobel算子進行一階差分，達到邊緣檢測的目的。由于單純的邊緣檢測不帶有整體去噪特性，因此，后續(xù)的差分去噪、形態(tài)學(xué)操作、邊緣細化等步驟是必不可少的。利用能量均值做二值化閾值，進行圖像二值化處理，得到最后的邊緣圖。

1.5 基于霍夫變換的直線提取

該環(huán)節(jié)主要參考霍夫變換檢測直線的方法，該方法可以將邊緣坐標點進行霍夫變換，得到直線方程，同時得到了直線的方向描述，圖4是圖2經(jīng)過霍夫變換之后的參數(shù)域圖像，圖5是檢測出的圖像中直線軌跡所處位置。由圖可知，由于邊緣圖中的直線有很多，得到的結(jié)果中會有干擾項存在，所以需要其他方法來剔除邊界痕跡，并對其余直線劃分類別討論。

圖4 參數(shù)域結(jié)果

圖5 霍夫變換直線檢測結(jié)果圖（檢測出直線已在圖中標出）

1.6 直線聚類與干擾剔除

聚類方法，其基本理念就是通過對樣本劃分區(qū)域特征統(tǒng)計，得到樣本分布中心，從而達到分類的目的，對于直線而言，對其斜率進行二維聚類分析，便可以將同方向的直線歸并到同一類別，從而得到主要成痕方向以及各自直線之間的夾角。而邊界干擾線可以直接通過直線所在區(qū)域判定，直接剔除即可。圖6中標記了經(jīng)過該步驟以后，圖2檢測到的痕跡直線。分類結(jié)果如表1所示。通過計算，主要類別間夾角為13.8度。

圖6 直線聚類剔除后結(jié)果

表1 痕跡直線分類結(jié)果

至此，工具痕跡的主要特征：線條數(shù)量、不同線條的方向聚類特征點位置、線條的直線方程描述以及相鄰線條間的角度差都計算完畢，以上特征作為工具痕跡特征，用于后續(xù)的特征比對。

1.7 成痕過程仿真

這個步驟屬于數(shù)據(jù)可視化的范疇，在上一步中，計算機得到了主要類別的信息與特征，但無法從主觀上觀察到成痕信息，因此，將上一步中分類完畢的同類直線進行統(tǒng)計擬合，得到整體痕跡線，就可以將直線內(nèi)容從圖像上表現(xiàn)出來，易于觀察。通過分析直線間的角度變化差異，可以估計成痕時的工具使用方向，以動畫的形式表現(xiàn)出成痕過程，仿真過程的部分圖像可參考圖7。

2 實驗結(jié)果與分析

為了檢驗算法的基本性能，采用了12組工具痕跡圖像進行測試，12組圖像是通過3種工具留下的，通過各組實驗圖像結(jié)果可知，不同工具之間的數(shù)據(jù)有較大的差異性，同種工具之間，在主痕跡線的方向、線與線之間的夾角、線條數(shù)量上都有較好的相似性，可以考慮利用這些參數(shù)構(gòu)建評分模型。限于篇幅內(nèi)容，本文給出3種工具的部分仿真結(jié)果圖，具體內(nèi)容參考圖8。對于相應(yīng)的圖像，其特征描述可參考表2（夾角項是該類別與下一個類別間的夾角，最后一類的夾角值為空）。

圖7 不同時刻痕跡仿真過程圖像

3 結(jié)論

本文給出了基于霍夫變換的工具痕跡特征提取方法，痕跡特征包括痕跡數(shù)量、痕跡直線描述與痕跡間夾角三個特征值，對于不同工具所形成的痕跡圖像，都可以完成定量檢測，并且可以通過過程仿真，動態(tài)顯示成痕過程，為了提高痕跡檢驗的效率，利用該特征，需要進一步利用量化評分模型來進行特征比對研究。

圖8 三種工具痕跡仿真結(jié)果圖

表2 三種不同工具痕跡特征結(jié)果

[1]張書杰.工具痕跡學(xué)[M].北京：中國人民公安大學(xué)出版社，2002.

[2]D.H.Ballard.Generalizingthe Hough Transform to Detect Arbitrary Shapes[J].Pattern Recognition，1981，13(2).

[3]Hartigan,J.A.and Wong，M.A.A K-means clustering algorithm[J].Applied Statistics，1979，28.

（責(zé)任編輯：孟凡騫）

D918.3

A

2014-11-07

遼寧省教育廳科學(xué)研究一般項目（編號：L2012455）

李洪武（1969-），男，遼寧朝陽人，遼寧警察學(xué)院刑事技術(shù)系教授，學(xué)士，主要從事刑事科學(xué)技術(shù)教學(xué)和科研工作。