鞋底花紋多維度分類與識別的查碼方法與流程
2023-06-20 08:13:21 2
本發明涉及計算機圖像識別領域，尤其涉及一種鞋底花紋多維度分類與識別的查碼方法。
背景技術：
鞋底花紋(痕)是案件現場勘查中最常遇到的痕跡物證之一，在現場重建、作案人特徵分析以及串併案件等諸多偵查手段中發揮重要作用。在公安刑偵工作中，對海量的鞋底花紋圖片進行查找和比對是該項技術的關鍵技術難點。現目前國內採取的主流算法是採取對圖象二值化轉換進行的圖片數據相似度比對。但由於現場的鞋底花紋受介質、載體和提取技術以及呈痕過程的諸多影響，使得現場鞋底花紋照片存在光斑、噪點、痕跡反差小、不均勻，甚至變形、重疊等特點，嚴重影響二值圖算法的準確性，而該問題是現場鞋底花紋的客觀表現，二值圖算法前期圖像修正耗時長、工作量大、且無法完全規避此問題，使得大量技術人員逐步放棄使用該類系統比對，轉而人工海選鞋底花紋，造成大量人力成本付出，並且產出較低。如何找到一種方案提高現場鞋底花紋比對和串並準確性和可操作性，是當前急需解決的技術難題。
技術實現要素：
本發明旨在至少解決現有技術中存在的技術問題，特別創新地提出了一種鞋底花紋多維度分類與識別的查碼方法。
為了實現本發明的上述目的，本發明提供了一種鞋底花紋多維度分類與識別的查碼方法，包括如下步驟：
s1，對鞋底花紋的類別所預設的各特徵進行分類後，對花紋特徵進行定義；
s2，對鞋底花紋進行圖像預處理，對鞋底花紋圖像進行歸一化，形成歸一化坐標，在歸一化坐標下生成圖區；
s3，收集生成的全部特徵值和參數；分別計算鞋底花紋每個維度的相似度；
s4，將鞋底花紋每個維度的相似度進行匯總，並計算匯總維度的得分；
s5，通過對每個維度的相似度得分最高的目標鞋底花紋為近似鞋底花紋，並進行歸納合併。
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s2包括：
s2-1，歸一化坐標系：以包含鞋底花紋的最小矩形框為界限，建立坐標系，壓縮矩形為同一尺寸，形成標準鞋輪廓大小；
s2-2，實際坐標系：以鞋底花紋圖片中比例尺為標準，保障鞋底花紋為比例尺下實際大小；
s2-3，在坐標系下標畫出圖區的範圍，並生成圖區qv，記錄圖區qv的像素坐標集合。
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s3包括：
s3-1，預設掌部宏觀特徵、跟部宏觀特徵、圖區qv共v+2個特徵框，逐個獲取圖區特徵集合內的特徵值t；
s3-2，獲取鞋底花紋圖區特徵單元大小，記錄每個鞋底花紋圖區qv中單元的大小值，面積為s，周長為c。
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s4包括：
s4-1，分別計算各個維度的相似度，再匯總求得總相似度；計算的維度按照宏觀特徵、界限特徵、細節特徵和單元大小四個複合維度展開；
s4-2，宏觀特徵維度的比較：通過計算相同範圍內宏觀語義的相似程度，判定檢材和樣本在宏觀上的屬性相似度；
s4-3，界限特徵維度比較：通過比較圖區的範圍和位置判定圖區結構的相似度；
s4-4，細節特徵維度的比較：相同圖區的範圍和位置一致的特徵相似度；
s4-5，單元大小維度的比較：相同圖區的範圍和位置一致內同一單元的大小相似度計算；
s4-6，維度匯總：因各個維度關係相互獨立，各維度上的值視為一個方向上的屬性，該維度各個值涵蓋該維度上所有特徵情況，各個維度組合形成一個多維空間，空間上任意一點對應一個鞋底花紋類型；點與點之間的距離表示其差異的程度，距離越短，相似度越高，故採取歐式距離計算匯集維度得分。
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s4-2包括：
宏觀特徵維度相似度計算
宏觀特徵：宏觀掌部、跟部兩個特徵集合的各自比較；特徵集合：該類別下標註的所有特徵；分為掌部宏觀和跟部宏觀兩個集合；
相似度公式：兩個集合之間的相似性，採用兩個集合的交集的元素個數除以併集的元素個數；
公式如下：
已知條件：
設：tn為檢材特徵；tm為樣本特徵；掌部為一個特徵集合，跟部為另一個特徵集合；
檢材掌部特徵或跟部特徵集合特徵共n個；小寫n為該集合中特徵的序號；樣本掌部特徵或跟部特徵集合特徵共m個；小寫m為該集合中特徵的序號；
an為檢材特徵tn的比對值；rtn為檢材特徵tn的權重；rtm為樣本特徵tm的權重；r1為宏觀特徵總權重；xn為檢材特徵tn的必含值、yn為檢材特徵tn的必不含值：目標集合必須含有或必須不含有指定特徵tn的判斷；
必含：目標集合含有該特徵，xn＝1，否則＝0；必不含：目標集合含有該特徵yn＝0，否則＝1；
計算步驟：
①特徵缺失判斷：
f掌(n,m)＝if(nm＞0,1,0)、f跟(n,m)＝if(nm＞0,1,0)
②比對掌部特徵和跟部特徵得分t：檢材掌部宏觀特徵與樣本掌部宏觀特徵比較，樣本特徵集中含有檢材特徵tn，則an值為1，否則值為0；
比對掌部特徵和跟部特徵得分：掌部特徵、跟部特徵必含不含判定後，比對特徵得分的權重和為
t＝t掌+t跟；
③特徵總數b
b＝b掌+b跟，即檢材、樣本掌部和跟部的特徵權重和；
④宏觀特徵維度總分h1
相對分：
h1＝r1(h1掌+h1跟)/{f掌(n,m)+f跟(n,m)}
＝r1{t掌/(b掌-t掌)+t跟/(b跟-t跟)}/{f掌(n,m)+f跟(n,m)}
即掌、跟特徵比中權重總分佔檢材、樣本的掌、跟部的特徵權重總數的百分比；
宏觀絕對分：
即掌部和跟部比中特徵權重和佔檢材掌、跟特徵權重的比例。
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s4-3包括：
界限特徵維度相似度的定義，
區：即圖區，指相同花紋形態、構成的區域；有一個特徵集合容納其區內特徵，同時有一個像素集描述其區的位置和範圍；
區組：檢材和樣本比對時，兩個區的配對編號；界限：某個圖區的所有像素的位置集合；
界限特徵維度相似度已知條件：
檢材區域總數u，樣本區域總數v；檢材圖區qu、樣本圖區qv；所有檢材與樣本區的排列組合，得到區組quv共uv組；下標uv為組合標記，非乘積，u和v分別為檢材區域序號和樣本區域序號；檢材區qu像素集du，面積值du；樣本區qv像素集dv，面積值dv；預先設定的界限權重r2；預先設定的界限過濾參數r′2；
界限特徵維度相似度計算步驟：
①區組quv重疊區域像素集合euv＝du∩dv；euv為euv的面積大小；區組quv覆蓋區域fuv＝du∪dv；fuv面積大小fuv＝du+dv-euv；總交集面積區組quv界限相似度zuv＝euv/fuv；
檢材qu的最優區組界限相似度zu，為與qu配對的v個以v為變量的quv的界限相似度集合的最大值zu＝max(zuv)；
②過濾值iuv
iuv＝f(zuv)
f(zuv)運算規則：當zuv值小於界限過濾參數r』2的，函數f(zuv)記為0，否者為1；
③界限特徵相似度h2
方案一：
方案二：
方案一為區組相似度大於過濾值的有效重疊面積佔比率；方案二為當檢材區數大於、等於樣本區數時，檢材區的最佳相似度的平均值。當樣本區數少於檢材時，則對稱計算樣本的界限相似度，並記為h2。
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s4-4包括：
明確三點的細節特徵相似度：
區域特徵的相似度：圖區對應的特徵集合相似度比較；
其中已知條件
檢材區域數u，樣本區域數v；檢材圖區qu、樣本圖區qv；所有檢材與樣本區的排列組合，得到區組quv共uv組；檢材圖區qu特徵集合特徵共n個；tn為檢材特徵；小寫n為該集合中特徵的序號；樣本圖區qv特徵集合特徵共m個；tm為樣本特徵；小寫m為該集合中特徵的序號；an為特徵tn的比對值；預先設定的rtn為檢材特徵tn的權重；預先設定的rtm為樣本特徵tm的權重；預先設定的r3為細節特徵維度特徵總權重；xn為檢材特徵tn的必含值、yn為檢材特徵tn的必不含值；檢材區qu像素集du，面積值du；樣本區qv像素集dv，面積值dv；
計算步驟
①區組quv特徵比對得分tuv
②對應區組quv的特徵總數為buv
即檢材區qu和樣本區qv的特徵權重和；
③區組quv重疊區域euv＝du∩dv；其中，euv面積大小euv；區組quv覆蓋區域fuv＝du∪dv；fuv面積大小fuv＝du+dv-euv；
總交集面積(共同描述區域參與討論)；區組quv界限相似度zuv＝euv/fuv(當fuv＝0，zuv＝0)；
④圖區重疊過濾值iuv；iuv＝f(zuv)；f(zuv)運算規則：當zuv值小於界限過濾參數r′2的，函數f(zuv)記為0，否者為1；
⑤區組quv特徵比對相似度huv；
相對分：huv＝tuv/(buv-tuv)
絕對分：
相對分為檢材、樣本綜合比較得分，絕對分為樣本涵蓋檢材特徵數量得分；
⑥細節特徵維度總分
方案一：
等同於每個像素點的特徵相似度積分；
方案二：檢材、樣本區數最少的為計算目標，例如檢材區數少，則取檢材qu的位置最優界限相似度zu，zu是與qu配對的v為變量的quv的相似度集合zuv的最大值，記為zu＝max(zuv)，該區組quv的最大值特徵相似度為位置最優特徵相似度hu；
如樣本區少，則改檢材u為樣本v。最優區對應的特徵相似度平均值，對界限劃定要求較高；
未明確三點的細節特徵相似度：
沒有三點定位，無法確定重疊關係，默認均可能重疊，已知條件同上；
計算步驟：
①區組quv內特徵分值為
②對應該區組quv的特徵總數為
③每區組得分：
以檢材、樣本區較少數為l＝min(u,v)；當u＝v時：取檢材區號u對應的區組集合，其特徵值最大為t′u：
相對分hu＝t′u/(buv-t′u)；絕對分當u不等於v時：
以最小區數的區號(檢材或樣本)為對應的區組集合，計算步驟同上。
④細節特徵維度總分h3；
h3為檢材特徵得分u個hu的和，除以l。
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s4-5包括：
明確三點的單元大小相似度：
組成圖區的主要單元大小比較，通過計算單元面積、周長相似度的乘積比較單元相似度；
已知條件：
檢材區域數u，樣本區域數v，所有檢材與樣本區組合，得到區組quv共k＝u*v組；檢材單元面積su，樣本單元面積sv；檢材單元周長cu，樣本單元周長cv；檢材q區域面積du，樣本區域面積dv；單元大小權重r4；
面積差過濾值r5、面積比值過濾值r′5；周長差過濾值r6、周長比值過濾值r′6；單元大小權重r7；
計算步驟：
①最優位置區組界限相似度z′u；區組quv重疊區域euv＝du∩dv；euv面積大小euv；區組quv覆蓋區域fuv＝du∪dv；quv面積大小fuv＝du+dv-euv；總交集面積(共同描述區域參與討論)；
區組quv界限相似度zuv＝euv/fuv；檢材qu的最優位置區組界限相似度z′u為與qu配對的quv的界限相似度集合zuv中的最大值zu＝max(zuv)；該max(zuv)對應v號，為最優位置樣本區號，記為v；
②面積相似度：auv
quv的單元面積重疊guv＝min(su,sv)；其中，min表示取su和sv中的最小值；檢材和樣本單元總面積juv＝max(su,sv)；其中，max表示取最大值；qu最優位置qv單元面積相似度auv進行如下逐項判斷：
當|su-sv|小於、等於r5，則auv值為1，其中，||表絕對值；
當|su-sv|大於r5，則auv值為guv/juv；
當guv/juv值大於等於r』5，auv值為guv/juv；
當guv/juv值小於r′5，auv值為0；
③周長相似度：buv
quv的單元周長重疊值為g′uv＝min(cu,cv)；
檢材和樣本單元總周長j′uv＝max(cu,cv)；
qu最優位置qv單元周長相似度buv進行如下逐項判斷：
當|cu-cv|小於、等於r6，則buv值為1，
當|cu-cv|大於r6，則buv值為g′uv/j′uv
當g′uv/j′uv值小於r′6，buv值為0；
當g′uv/j′uv值大於、等於r′6，buv值為g′uv/j′uv；
④單元大小相似度：
hu＝auv*buv
⑤單元大小相似度總分：
方案一其中，重疊面積大的圖區，單元得分高；
方案二其中，檢材單元得分平均值，u′值為含有檢材單元值的圖區總數，該方案對小區重視，精確度高，對樣本質量有要求；
未明確三點的單元大小相似度：
已知條件：
檢材區域數u，樣本區域數v，所有檢材與樣本區組合，得到區組quv共k＝u*v組；檢材單元面積su，樣本單元面積sv；檢材單元周長cu，樣本單元周長cv；檢材q區域面積du，樣本區域面積dv；單元大小權重r4；面積差過濾值r5、面積比值過濾值r′5，周長差過濾值r6、周長比值過濾值r′6，單元大小權重r7；
計算步驟：
①最優位置區組特徵相似度t′u
區組quv內特徵分值為
對應該區組quv的特徵總數為
每區組得分：
相對分hu＝t′u/(buv-t′u)
絕對分
取檢材區號u對應的區組集合，其特徵值最大為t′u：
該其特徵值最大為t′u對應樣本v號，為最優位置樣本區號，記為v；
②面積相似度：auv
quv的單元面積重疊guv＝min(su，sv)；(註：min表取su和sv中的最小值)；_
檢材和樣本單元總面積juv＝max(su,sv)；其中，max表取最大值；
qu最優位置qv的單元面積相似度auv進行如下逐項判斷：
當|su-sv|小於、等於r5，則auv值為1，(註：||表絕對值)
當|su-sv|大於r5，則auv值為guv/juv
當guv/juv值大於等於r』5，auv值為guv/juv；
當guv/juv值小於r5'，auv值為0；
如zuv集合為空，對應auv＝0；
②周長相似度：buv
quv的單元周長重疊值為g′uv＝min(cu,cv)；
檢材和樣本單元總周長j′uv＝max(cu,cv)；
qu最優位置qv的單元周長相似度buv進行如下逐項判斷：
當|cu-cv|小於、等於r6，則buv值為1，
當|cu-cv|大於r6，則buv值為g′uv/j′uv；
當g′uv/j′uv值小於r′6，buv值為0；
當g′uv/j′uv值大於、等於r′6，buv值為g′uv/j′uv；
如zuv集合為空，對應buv＝0；
④單元大小得分
hu＝auv*buv
⑤單元大小相似度總分：
方案一其中，重疊面積大的圖區，單元得分高；
方案二其中，檢材單元得分平均值，u值為含有檢材單元值的圖區總數，該方案對小區重視，精確度高，對樣本質量有要求。
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s4-6包括：
各維度相似度通過歐式計算公式得到檢材、樣本特徵的差異度，通過排序，差異度最低的樣本為鞋底花紋在宏觀特徵、界限特徵、細節特徵、單元大小相似度最高的目標鞋底花紋：
所述的鞋底花紋多維度分類與識別的查碼方法，優選的，所述s5包括：
s5-1，維度尺度的統一：各維度計算單位需要一致才能合併計算，需要按照統一單位計算維度相似度值；
s5-2，權重：各特徵值、維度值對總體相似度評價的價值有高有底，通過預先設定權重值大小，改變特徵、維度的作用大小；
s5-3，查詢：提交檢材查詢請求，修改查詢樣本範圍，指定必含或必不含值，發起查詢；
s5-4，串並：通過任意維度組合得出綜合相似度得分排名。選擇目標鞋底花紋形成類案鞋底花紋。
綜上所述，由於採用了上述技術方案，本發明的有益效果是：
通過各個維度相似度的計算，計算出其相似度，並通過得分排名找到鞋底花紋一致的目標。即查找兩鞋底花紋在相同位置上有相同花紋形態、相同花紋組合、相同花紋排列且相同單元大小的鞋底花紋。
各維度相似度通過歐式計算公式得到檢材、樣本特徵的差異度，通過排序，差異度最低的樣本為鞋底花紋在宏觀特徵、界限特徵、細節特徵、單元大小相似度最高的目標鞋底花紋。
本發明的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。
附圖說明
本發明的上述和/或附加的方面和優點從結合下面附圖對實施例的描述中將變得明顯和容易理解，其中：
圖1a-1b是本發明鞋底花紋分析方向示意圖；
圖2是鞋底花紋要素構成分析示意圖；
圖3是鞋底花紋維度構成分析示意圖；
圖4是本發明元素分類示意圖；
圖5是本發明單元分類示意圖；
圖6是本發明骨骼分類示意圖；
圖7是本發明宏觀特徵示意圖；
圖8是鞋底花紋四點定位示意圖。
具體實施方式
下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用於解釋本發明，而不能理解為對本發明的限制。
如圖1所示，通過對數萬枚不特定鞋樣鞋底花紋觀察，發現區分鞋底花紋種類的判定，是通過檢材與樣本間的八個維度特徵進行打分，如圖4，部分維度關聯計算，得出四個方向的相似度值，並綜合為總相似度。1為宏觀特徵的文本比對：包含圖區關係、鞋底結構特點、顯著元素三個維度，2為界限特徵：為圖區關係維度的圖形化計算，3為微觀特徵：包括元素種類、元素大小方向、元素組合關係、單元排列方式等四個維度的文本特徵，以及測量得到圖區密度特徵，4為單元大小特徵：單元大小維度的圖形化計算。
鞋底花紋多維度分類研究
一、鞋底花紋語義分類和比對的理論基礎
1、鞋底花紋具有圖形語義特徵：按照符號學對符號的定義，所有能用視覺看到的能指(形式)，只要觀看者能夠理解其意義，那麼它們都應算是視覺符號。而鞋底花紋的圖案多由可辨識幾何圖形構成，可以分辨出點、線、面、直、方、圓等幾何意義。所以鞋底花紋中的圖形具有語義，可以分解為視覺符號，加以總結為鞋底花紋特徵。
2、鞋底花紋具有組織規律語義特徵：鞋底花紋設計者創造出的鞋底花紋樣式繁多，但其中的鞋底花紋布置和構造依據，均來源於鞋的使用功能和美學等因素，而平面構成就是探討二度空間的視覺文法，從平面設計和構成著手，研究鞋底花紋的特徵規律，可以發現鞋底花紋的構成同樣符合平面構成的基本原理，其基本幾何圖形按照美的視覺效果，力學的原理，進行編排和組合，呈現出規律性、邏輯性的特點。所以鞋底花紋的組織規律具有語義，可以總結為鞋底花紋特徵。
3、鞋底花紋語義特徵有統一性：格式塔心理學認為視覺元素的組織是所有心智的基本，而且是與生俱來的，並不需要刻意去學習。格式塔心理把視覺元素組織的因素定名為知覺組織律，說明人的視覺是有規律可尋的，格式塔心理學家通過大量的視覺心理實驗總結出人類視覺的四大基本規律：
(1)鄰近性原則，即空間中距離相近的元素有被看作一體的趨勢。
(2)類似性原則，即空間中色彩、明度或者形狀近似的元素有被看作一體的趨勢。
(3)延續性原則，即人的視線有沿著空間元素流動的趨勢。
(4)完整性原則，人類視覺有將不完整的形態使之完整的趨勢。
所以，不同的觀察者對於相同圖形有相同的認知方式，自然會得出相同評判結論，如根據臨近性原則，鞋底花紋的元素組合方式會有相同的認知結論，形成單元的概念；根據類似原則，形狀相似的元素或單元聚集在一起，會被自然認知為一個整體區域，形成「圖區」的概念。延續性原則使得元素或單元的排列會被觀察者注意到，形成骨骼的概念。完整性原則使得殘缺鞋底或殘缺感的圖案足跡會被大腦補全得到一致的圖像評價。人天生共享同一個視覺認知標準，而這些認知標準不需要培訓，這是鞋底花紋的特徵定義的基礎。
4、鞋底花紋語義特徵有穩定性：物質轉移學說(洛卡德交換原理)指明了痕跡的形成原理。痕跡在物體接觸面和壓力共同作用，通過物質的轉移形成了相同的形象反映。同一鞋底花紋在不同條件下印壓形成的形象(鞋印)，如立體足跡、血足跡、灰塵足跡，加層、減層足跡等，認知者會得到相同的鞋底花紋特徵描述，鞋底花紋語義特徵有穩定性。
5、鞋底花紋種類語義識別具有抗幹擾性。根據知覺恆常性(格式塔心理學)，當客觀條件在一定範圍內改變時，我們的知覺映象在相當程度上卻保持著它的穩定性，即知覺恆常性。恆常性中形狀恆常性，大小恆常性(例如遠處的一個人向你走近時，他在你視網膜中的圖像會越來越大，但你感知到他的身材卻沒有什麼變化)造成觀察者對對象不同條件下觀察同一形象有相同判定。所以，殘缺、變形、模糊對鞋底花紋種類的認定不具有決定性影響。甚至鞋底花紋相同，但鞋尺碼不同，觀察者仍然視作同一類花紋的鞋底。
6、結論
(1)鞋底花紋具有語義特徵，特徵有規律和內在邏輯，其規律首先符合平面構成理論規律，可通過歸納總結形成特徵詞典。
(2)鞋底花紋特徵具有統一性和穩定性，鞋底花紋特徵編輯可普遍適用於各觀察主體。
(3)鞋底花紋種類的識別具有較強抗殘缺、變形、模糊等能力，針對公安業務中現場鞋底花紋形成特點，有較強適應性。
二、鞋底花紋特徵及維度分析
1、鞋底花紋構成分析方向
如圖1所示，通過對數萬枚不特定鞋底花紋觀察，發現人工區分鞋底花紋種類的判定，是通過檢測檢材與樣本間的多個方面的特徵做出區分和判斷：
(1)比較鞋底花紋的宏觀外形，是否輪廓相似、弓部是否具備、有無跟部和跟部的功能區、有無顯著特徵等。
(2)比較鞋底花紋的區域關係、位置、範圍，是否區的關係相似。
(3)比較鞋底花紋相應位置的幾何圖形種類、組合方式、排列方式是否相似。
(4)比較鞋底花紋單元大小、密度是否相似。
2、鞋底花紋構成要素分析
通過對不特定大量鞋樣鞋底花紋觀察，不同鞋樣花紋的構成內容有相似性，其基本構成最小單位為幾何圖形，而幾何圖形在形狀、大小、方向、相互關係、圖形密度、位置六個因素的影響下發生變化，構建出複雜多變的鞋底花紋種類。幾何圖形的變換產生鞋底花紋構成的三個基本要素，它們是元素、單元、圖區。它們之間的關係是：不同幾何圖形即為元素；元素組合形成了單元；單元的排列具有規律性(骨骼)，具有相同元素、單元和骨骼的範圍形成圖區。圖區的布局形成了整個鞋底花紋的基本樣式。如圖2
3、鞋底花紋特徵維度分析
通過對數萬枚複雜鞋樣鞋底元素觀察，發現區分鞋底元素種類的判定，是通過檢測檢材與樣本間的多個方面的特徵做出區分和判斷。通過對相似鞋底元素對比，對差異點進行單獨分析，發現差異屬性來源於宏觀和微觀兩個方面八個維度，其中宏觀包括：顯著特徵、鞋底結構、圖區關係、圖形密度；微觀包括：相應位置上的元素種類、元素大小方向、元素組合關係、單元排列方式。如圖3
(1)比較鞋底元素宏觀特徵：
圖區關係。比較範圍為半掌(前掌或後跟)，比較圖區與圖區的位置關係，以及分區方式(圖區分割或分隔線分隔)。
鞋底結構。比較鞋底元素因使用功能或設計常規，在常見位置出現的元素特徵。如鞋圍邊、弓型、端部、重心部位的特徵。
顯著特徵。比較在鞋底整體上反映出的直觀的顯著特點。如商標。
圖形密度：比較鞋底元素範圍內「正形」所佔的面積比例或者單位面積內單元的個數。
(2)比較鞋底元素的對應位置上的微觀特徵：
元素種類。比較對應位置上元素的幾何屬性。
元素大小。比較元素圖形的大小。
單元大小方向。比較單元相對鞋底花紋的方向、角度。
元素組合關係。比較元素間的組合關係。
排列方式。比較元素組合單元的排列、布局方式。
4、結論
(1)鞋底花紋的構成要素為元素、單元、圖區。而影響構成要素的屬性為：形狀，方向、大小範圍、相互關係、圖形密度。
(2)鞋底花紋特徵分類維度，宏觀角度分為：圖區關係、鞋底結構、顯著特徵、圖形密度四個維度。微觀分為：元素種類、元素組合關係、單元大小方向、排列方式四個維度。
三、鞋底花紋特徵分類規則和定義
1、總述
鞋底花紋由形象圖形按照一定規律排序組合而成，形成複雜多變的鞋底花紋類別。研究發現其構成規律及特徵如下：1、鞋底花紋組成成分為元素、單元、圖區；2、鞋底花紋組成方式為：元素構成單元、單元構成圖區，圖區組合為鞋底花紋樣式。3、鞋底花紋特徵定義維度為：微觀特徵(元素種類、元素組合關係、單元大小方向、排列方式)、宏觀特徵(圖區關係、鞋底結構、顯著特徵、圖形密度)。
2、基本詞定義
(1)鞋底花紋：出現在鞋大底(與地面完全接觸的部分，即底部)上的圖案與紋理。
(2)正形與負形：鞋印是由鞋底花紋凸出部位印壓客體形成的，反映鞋底花紋形態的圖案，鞋印花紋的正形不一定為鞋的凸出部位形成，而是整體處於較為明顯和突出位置、引人注目的，有具體的形象和輪廓，處於畫面前面位置、有明顯的結構和內在的圖案，通常稱為「圖」。鞋印花紋的負形：通常稱為「底」，即「圖」的周圍空間，其特點為容易別忽視、不受重視、外形散漫、形狀不確定、單一、在畫面處於靠後的位置，有襯託作用。
(3)鞋底花紋範圍：指鞋底邊界線範圍內，鞋底花紋分布的最大和全部區域。分為掌部、弓部、跟部範圍；
(4)維度：鞋印花紋分類的維度是按照區分鞋印花紋的思維方式出發，尋找影響視覺區分圖像組成的各個因素。這些相互獨立的因素稱為鞋底花紋分類的維度。
維度共同影響和組合，判定鞋底花紋的種類。鞋底花紋有形態要素(形狀、大小、方向)、構成要素、位置要素三個類別，宏觀、微觀兩方向，形成了「元素種類」、「單元構成」、「單元大小」、「骨骼方式」、「圖區的位置及範圍」、「圖區的關係」、「功能區結構」、「顯著特徵」等8個具體特徵維度。他們之間獨立存在，互不幹擾，任一維度的特徵變化，將構成列獨立而又相關的足跡花紋序列。
(5)微觀維度：微觀維度研究組成鞋底花紋的具體內容和方式，描述底層到高層的形與形的組織特點。是區分鞋底花紋類別較為準確的特徵組成，有較強排他能力。但現場鞋印易受到現場呈痕因素的影響，造成微觀特徵信息缺失，需結合宏觀特徵使用。微觀特徵包括：元素、單元、骨骼、圖區、大小。
(6)宏觀維度：宏觀維度研究鞋底花紋整體布局產生的特徵和屬性。關注的對象範圍較大，整體互補，不易受現場成痕因素幹擾，可以快速劃分鞋底花紋大類別，縮小查詢範圍，提高查詢精度。如對反差弱、變形大、介質相融造成的模糊足跡，細節特徵丟失，但宏觀特徵往往較為穩定，易發現。但特徵區分度有限，同種宏觀屬性足跡有相當數量。需結合微觀特徵使用。
3、元素的分類與特徵定義
3.1元素的定義
組成鞋底花紋的基本的圖形，分為點、線、面，如直線、方塊、圖文等。點、線、面是鞋底花紋中的形態構成的基本元素，是將設計元素分解後找到簡單成分，不能再次分解，是最小的組成成分。
3.2元素的屬性
點：鞋底花紋中細小且明顯的形象稱之為「點」，細小為相對而言，在畫面中顯得細小。點的形狀可以為圓點、方點、虛線點等。
線：鞋底花紋中寬度與長度比值小，有軌跡感的形象稱為線。常見線為：直線、弧線、折線、波浪線、波折線、線段、螺旋線、自由線或粗線、細線、虛線、網格線。
面：鞋底花紋中由輪廓線構成的輪廓形象。按照思維方式和視覺形式分為：「幾何形」、「具象形」、「偶然形」。
「幾何形」按照邊的數量和形態分為「塊紋」、「團紋」、「團塊紋」；「塊紋」為直邊構成，分為「正方塊」、「長方塊」、「菱形塊」、「非矩形四邊塊」、「多邊塊」等；「多邊塊」通過出現的頻率和特殊形象分為「枝塊」、「凹塊」、「凸塊」、「x形塊」和「自由塊」等；「團塊」為弧邊構成，分為：「圓形」、「橢圓形」、「水滴形」、「枝團」、「凸團」、「凹團」、「自由團」等。
具象形:自然中原有的形象(如動物、植物、風景)和人為創造的形象(文字、商標)。
偶然形:偶發形成的，無既定規則予以重複構建的圖形。
3.3元素特徵定義
通過對鞋底花紋元素形態歸納總結，發現元素由多個屬性詞條描述形成具體形，相近元素間具有相同的某項屬性，如「弧線」、「直線」，其共同點為「線」，又如「弧線」、「弧塊」，共同點為「弧」。將元素的各項屬性剝離形成形態特徵和狀態特徵，稱為鞋底花紋元素屬性的拆分。具體特徵值總結如下：
(1)形態特徵：
點紋：面積小而形成沒有空間維度感的圖形；線紋：長寬比例較大，形成軌跡感的圖形；三邊塊紋：三個直邊圍成的面；四邊塊紋：四個直邊圍成的面；多邊塊紋：四個以上直邊圍成的面；圓紋：同幾何意義中的圓；橢圓紋：同幾何意義中的橢圓；團塊紋：直邊和弧邊圍成的面；團紋：弧邊圍成的面；圖紋：自然中原有的形象，如樹葉、太陽；圖字：各種字符；形象：人為創造的形象，如五角星、桃心；板紋：沒有邊界感的紋理圖案；空紋：大面積的背景區域，特指有突出感覺的背景；罕紋：難以歸納為常見經典圖形的複雜圖形；
(2)狀態特徵：碎狀：不規則、偶然形成的複雜多邊形，似碎石形態；組狀：特指短線成捆狀分布的屬性；直狀：同一方向延續的形態；弧狀：沿弧形軌跡延續的形態；折狀：轉折的軌跡形態；波折：連續角狀轉折形成多個夾角的軌跡形態；波浪：連續弧狀轉折形成浪花狀的軌跡形態；條狀：介於線與塊之間的狀態；正方狀：與四邊塊紋組合為正方形；矩狀：與四邊塊紋組合為矩形；菱狀：與四邊塊紋組合為凌形；非矩：與四邊塊紋組合為不規則四邊形；缺損：圖形部分缺失，但原形態感仍然顯著；軸狀：圖形為中心軸對稱狀態；聯合：兩個或多個元素連接在一起，忽略前後關係，聯合成一個新的形象；凹狀：多邊塊的一種，其中一個內角大於180度；凸狀：多邊塊的一種，任意一個內角均小於180度；枝狀：凹狀多邊塊的一種特殊形狀，有強烈的分支感；e狀：支形塊的一種特殊形狀，多個內角為90度，如「e」字形；x形：支形塊的一種特殊形狀，如「x」字形；鼎形：支形塊的一種特殊形狀，多個內角為90度，如「凸」字形；縱態：腳尖朝上時，在鞋底花紋中縱向狀態，如豎線；橫態：腳尖朝上時，在鞋底花紋中橫向狀態，如橫線；斜態：腳尖朝上時，在鞋底花紋中斜向狀態，如斜線；大態：元素形狀明顯大於常見紋尺寸；無序態：圖形本身有軌跡感，且軌跡方向多變，沒有規律；螺旋態：圖形形態如螺旋狀分布，如螺旋線。陰態：圖案形象通過背景負形表達的狀態。
如圖4所示，為元素特徵示意圖：
4、單元的分類與特徵定義
4.1單元的定義
構成圖形的基本單位，通過重複排列構成鞋底花紋，具有一致性、連貫性的區域。分為單一單元和組合單元，單一單元為一個元素構成，組合單元由多個相同或不同元素組合而成。
4.2單元屬性
(1)位置關係
包含：大形包含小形，形成內外關係。分離：元素與元素存在一定的距離
相連：元素與元素分離，但之間由線或面相連接；相遇：元素與元素邊沿相切；相交：元素與元素部分重疊，聯合：兩個或多個元素連接在一起，忽略前後關係，聯合成一個新的形象；
(2)正負關係
透疊：兩個及以上元素相交時，去掉相交部分，保留沒有相交的部分；差疊：與透疊相反，只有互相重疊的地方可以看得見；重疊：一個形覆蓋在另一個形上，產生前後關係，形成一近一遠的層次感；減缺：兩個及以上元素重疊時前面的缺損元素沒有畫出來，只保留後面減缺的新形象；
(3)元素種類
同構：同一種元構成單元。
異構：兩種及以上元素種類構成單元。
(4)單元方向
縱態：鞋底花紋中，單元長邊大致平行於鞋掌前緣突點與後跟後緣突點連線的狀態為縱態。橫態：縱態旋轉90度左右為橫態。斜態：縱態旋轉45度左右為斜態。縱向：單元內元素排列方向為上下方向(腳跟朝上)橫向：單元內元素排列方向為左右方向(腳跟朝上)斜向：單元內元素排列方向為傾斜方向(腳跟朝上)環向：單元內元素排列方向為環繞方向。
(5)元素數量
單構：單個元素構成單元。雙構：兩個元素構成單元。群構：組成單元過程中的群化現象。元素臨近，有兩個以上相同的元素，集中在一起，互相發生聯繫時，便可形成群化。元素特徵具有共同因素，能產生同一性，可以形成群化。元素排列一致，會產生圖形的連續性，可以構成群化。習慣性的組合，在視覺經驗中，容易形成一個完整的圖形，便於聯繫在一起而構成群化。
4.3單元特徵定義
在單元構成時，存在位置關係、正負關係、元素種類、數量、方向等屬性，根據鞋底花紋單元出現頻率，對以上屬性加以組合、拆解，總結特徵詞如下：
內含實心：元素內部全部為正形，且無其他形象；
內含空心：元素呈包含關係，元素內部大部分空間為負形；
內含相同：元素內部包含一個相同元素形象。可以為重疊或減缺；
減缺：兩個及以上不同元素重疊時前面的缺損元素沒有畫出來，只保留後面減缺的新形象；
內含異種：元素呈包含關係，且種類不同；內含矩陣：元素呈包含關係，且內部元素呈矩陣(兩個方向)排列；內含單排：元素呈包含關係，且內部元素呈單向排列；內含中心：元素呈包含關係，且內部元呈環狀、螺旋狀或x狀排列；內含外露：元素呈包含關係，但內部元素與外部元素輪廓有相切；內含單線：元素呈包含關係，內部為一線狀元素；內含罕見：元素呈包含關係，但內部構造未歸納；多層環繞:元素有多重內含關係；群化組合：大量同類元素排列形成單元；多項組合：三至五個元素組合，結構簡單的單元；二項組合：兩個元素組合形成單元；同種組合：組合單元由同種元素組成；異種組合：組合單元有不同元素組成；橫向組合：組合元素橫向排列；縱向組合：組合元素縱向排列；無向組合：組合方向非簡單的橫向、縱向或環繞；鏡像組合：單元成軸對稱狀態；環繞組合：多個同種元素環向排列形成環狀形象的單元；交融組合：元素間為分離關係，群構形成單元，但單元間組成部分公用；聯合組合：元素大面積相連接形成組合關係；連線組合：元素間為分離關係，但有『相連』的情況；複雜組合：骨架明晰，但單元組合種類、方向、數量變化較為複雜，單元劃分多元性。
如圖5所示，單元特徵示意圖。
5、圖區
5.1圖區的定義
指相同或相近元素、單元按照一定規律(骨骼)重複排列，產生連續、有規律、有秩序、和諧統一視覺效果的區域範圍。圖區一般由元素、單元的種類和排列方式劃分，但分割線也可形成區域感，分割線可以為線、條或是較明顯的間隙。
5.2重複構成
以一個單元體在基本格式內重複排列，排列時可做方向、位置變化。
相似或相同的形狀做大小、方向的重複。根據鞋底花紋中圖區的位置、重複構成的方向、顯著特徵等分為：縱排、對排、矩陣、網格、散落、環繞、圍排、蜿蜒、z排、少排、單置、罕排。
構成關係：單元排列過程中，單元間在種類、位置等方面的屬性。
異替、交錯、夾雜、鑲嵌、連線、粘連。
5.3骨骼定義
鞋底花紋設計，依照一定的規律將基本形組合起來，這種管轄編排形象的方式稱為骨骼。分為規律和非規律性骨骼。基本格式：90度排列格式、45度排列格式、弧線排列格式、折線排列格式。
規律性骨骼：重複、近似、漸變、發射、特異；
非規律性骨骼：密集、對比、分割、肌理、空間、圖形想像。
5.4骨骼的屬性
(1)骨骼的方向：單向-雙向(平面二維方向)、發射(內外方向)、散落(無方向)、正向-斜向(鞋跟朝上)、單排-雙排-多排(排列列數)。
(2)骨骼中單元的變化：交錯(單元位置變化)、夾雜(單元種類無規律變化)、異替(單元種類規律變化)、特異(某一單元變化)、漸變(所有單元規律變化)、
5.5骨骼特徵定義
縱排：單元單向單排縱向重複排列；對排：單元單向雙排縱向重複排列；矩陣：單元雙向多排重複排；網格：單元雙向多排重複排列，單元相切呈網格狀態；散落：單元無向重複排列；環繞：單元環形方向排列；圍排：單元沿著鞋底圍邊範圍排列；蜿蜒：單元排列軌跡呈波浪狀；z排：單元排列軌跡呈波折狀；單置：一個單元構成整個圖區；罕排：排列方式少見，未歸納；異替：區內由兩種及以上的單元有規律的重複交替排列而成；交錯：同一種單元構成，該單元位置發生變化，形成有規律的交替變化；夾雜：兩種及以上單元組成圖區，主單元有規律均勻分布，附單元類型少量無規律分布其中；鑲嵌：單元輪廓邊緣間等距，形成條狀間隙；連線：單元間有細線牽連；連片：單元間由片狀物牽連；重疊：單元間由重疊、遮擋感；漸變：把基本形按照大小、方向、虛實等關係漸次變化構成形式；
(1)形狀的漸變：一個基本形漸變到另一個基本形，可以由完整到殘缺，也可以簡單到複雜，抽象到具體。(2)方向的漸變：基本形的方向，通過平面旋轉，發生有規律的逐漸變動。(3)位置的漸變：基本形作為位置漸變時,骨架線發生逐漸變化。(4)大小的漸變：基本形由大到小的逐漸排列。(5)虛實的漸變：虛像到實像的逐步變化。(6)疏密的漸變：單元排列密度的漸變。統一：單元形態均不一致，但都有共同的某項屬性，如元素類別(四邊塊紋)，單元結構(內同)等，形成傾向認為是同一類單元而化為一個圖區的劃分方式；
特異：圖區中某一單元劇烈變化，與其他單元脫離，形成明顯的關注感；
如圖6所示，骨骼特徵示意圖。
6、宏觀特徵
6.1宏觀特徵的定義
宏觀特徵從鞋底花紋整個範圍內觀察發現的特徵，特徵來源於顯著元素、鞋底結構、圖區關係。宏觀維度研究鞋底花紋整體布局產生的特徵和屬性，從整體上描述鞋底花紋特徵，特徵值不易受現場成痕因素幹擾，可以快速劃分鞋底花紋基本類別，縮小查詢範圍，提高查詢精度。如對鞋印痕中反差弱、變形、紋線模糊的足跡，細節特徵丟失，但宏觀特徵往往較為穩定，容易保留。但宏觀特徵區分度有限，同種宏觀值的鞋底花紋較多。需結合微觀特徵使用。
6.2宏觀特徵的屬性
主要從圖區的位置關係，鞋底結構特徵，較為顯著花紋形態和關係入手，分為三個方面的特徵：
(1)顯著特徵：在鞋底整體花紋上反映出的顯著特點
(2)鞋底結構：鞋底花紋應功能或款式設計而形成花紋特徵。如鞋圍邊、弓部、端部、重心部位的特徵。
(3)圖區關係：討論範圍為半掌(前掌或後跟)，圖區與圖區的位置關係，以及分區種類(圖區分割或分隔線分隔)。
6.3宏觀特徵定義：
(1)顯著特徵類
直芯：包圍宏觀特徵中，中心處圖區為豎條狀；橄欖：橄欖形態的圖區，常出現包圍結構中；橫斷：範圍內有左右貫通的、顯著的隔斷；顯線：貫穿多區的顯著的實心線或條；擦線：貫穿多區的顯著的陰狀的線或條；顯塊：顯著的大塊圖形，通常為實心重疊在各圖區上。空區：較大範圍的底紋區域(無花紋)；重心：掌部或跟部重心處出現花紋分區；離散：鞋底花紋主要由分離狀態的團、塊組成；散線：鞋底花紋主要由不規則的線紋組成；縱條：鞋底花紋主要由縱向排列的長線或長條塊組成；拼嵌：鞋底花紋主要由鑲嵌的塊紋組成；網絡：鞋底花紋主要由網格組成；板區：鞋底花紋主要由紋理(板紋)組成；形象：鞋底花紋中由明顯的圖畫組成；區塊：鞋底花紋中的單元成包含關係，外部元素麵積較大，內部結構複雜，有區域感，但該單元仍然重複構成圖區；連片：鞋底花紋中由粘連的圖案組成；大塊：鞋底花紋中主要單元面積明顯較大；小粒：鞋底花紋中主要單元明顯細小；旋轉：鞋底花紋中主要骨骼為環繞；發射：中心在鞋底花紋外或邊沿，骨骼為發射；輻射：中心點在鞋底花紋內，骨骼為發射；蜿蜒：鞋底花紋中主要為蜿蜒狀的排列；
(2)鞋底結構
功能性：
無端：前掌前緣或後跟後緣沒有耐磨塊或獨立的圖區。有端：前掌前緣或後跟後緣有耐磨塊或獨立的圖區，稱端區。凸端：端區朝向掌心的邊沿形態為凸形；平端：端區朝向掌心的邊沿形態為水平；斜端：端區朝向掌心的邊沿形態為傾斜狀；大端：端區面積超出常見範圍尺寸；普端：端區面積為常見尺寸；小端：端區面積小於常見尺寸；板端：端部圖區為板紋(紋理)；線端：端部圖區由線紋構成；塊端：端部圖區由塊紋構成；點端：端部圖區由點紋構成；有弓：鞋弓部有花紋；無弓：鞋弓部無花紋；半弓：鞋弓為空心或一半結構。無圍：範圍內沒有圍邊；有圍：範圍內有圍邊(環繞鞋底邊緣的條狀圖區)；線圍：圍邊為順鞋邊沿的線紋。窄圍：圍邊為除線圍外的其他構成，且圍邊較窄，不計入圖區。附圍：圍邊由多層圖區環繞組成；
對稱性：
紋稱：範圍內單元分布對稱；紋偏：範圍內單元不分布對稱；構稱：圖區分布對稱；構偏：圖區分布不對稱；
(3)圖區關係
單區：範圍內由一個區組成整個鞋底花紋；獨區：範圍內由一個區組成，且該區為一個單元；包圍：由交寬圍邊區和中心區組成；左右：區呈現左右分布，可以為對稱或非稱，有時同一個區因單元分布有強烈左右關係，也定為左右宏觀；上下：區域分布為上下關係，面積不一定相等，鞋跟部分視面積大小判斷是否為區；斜區：圖區呈現傾斜兩側分布，介於上下、左右圖區關係間；複雜：圖區分布未歸納，關係暫不明確。嵌區：兩個及以上區域重合，通過間隙展現，無遠近層次感；覆疊：一個圖區形覆蓋在另一個圖區上，產生前後關係，形成一近一遠的層次感；減缺：兩個圖區重疊，前面的缺損元素沒有畫出來，只保留後面減缺的新形象。減去的部分仍有語義特徵；區融：圖區間的區域發生重疊、交叉；傾向：圖區分割不經典，傾向認定；區似：區的劃分因單元或排列方式相近，出現多種劃分標準；區割：由分割造成的分區感。如分割線或顯著距離；隔區：同一圖區不連續；對向：範圍內只由一個「對排」特徵的骨骼組成；無律：區域間的位置關係複雜，無法簡單分類；
如圖7所示，宏觀特徵示意圖。
7、單元大小
在宏觀、微觀均相同的情況下，仍有單元大小影響鞋底花紋的種類，例如細線縱向排列構成全部鞋底花紋，也有粗線相同布局構成另一種鞋底花紋，所以需要描述。同時，單元大小也是有效排除不同種類鞋底花紋的有效維度。
單元大小取決於統一的標尺(坐標系)下的描述。可以通過比例尺或是鞋底視覺大小兩種方式描述，區別在於通過比例尺可以得到單元的實際大小，通過歸一化鞋印的全長，測算單元相對大小，即視覺大小。第二種方案，描述視覺上鞋底花紋的種類，即排除比例尺誤差和鞋碼差異來帶的幹擾。
單元的大小描述方法有多種，可採取描述單元面積、周長大小的比較。
8、位置
特徵所在坐標系下的像素位置，用於確認某一確切特徵相同位置上的目標。
9、坐標系
(1)實物大坐標系：以比例尺為標準，確定鞋底花紋的實際大小。以鞋底花紋固定點為元點(如前掌前緣突點)，同一朝向(如後跟前緣突點與後跟後緣突點連線垂直坐標系橫軸，鞋尖朝上)建立坐標系。
(2)歸一化坐標系：
四點定位：
i點：鞋掌前端外緣突點；ii點：鞋跟後端外緣突點；iii點：鞋掌內側外緣突點；iv點：過i、ii兩點的直線為垂直方向時，有過iii點的水平線和與鞋掌外側外緣相切的垂直線交點為iv點。
如圖8所示，圖形歸一化：足跡圖片沿點i、ii方向壓縮至i、ii兩點間線段長28cm。圖片沿點iii、iv方向壓縮至iii、iv兩點間線段長10cm。過i、ii兩點的直線為垂直方向時，分別過點i、ii的水平線，與分別過點iii、iv的垂直線所圍成的矩形為足跡的矩形範圍。壓縮確保所有圖片預處理後的足跡矩形範圍為相同像素矩陣。
歸一化坐標系：以足跡的矩形框為界限，設任意一像素點(如第一行和第一列)為坐標元點(0,0)。水平方向為第一軸，垂直方向為第二軸。
該坐標系下鞋底花紋原始形狀將壓縮變形，但所有形象位置將抽象化的歸為標準鞋模的相對位置，有利於抵消變形誤差，和鞋碼誤差，描述結果接近視覺上的相似性。
10、圖形密度
鞋底花紋範圍內「正形」所佔的面積比例。
四、關於鞋底花紋多維度分類方案的注意事項
1、二義性
一個圖形或排列方式等特徵，不同觀察者得出兩個或以上的合理判定，稱為特徵的二義性。其原因為部分圖像的語義本身存在多重解釋(如凹塊和叉狀塊)，圖形反映不完全造成解釋差異，或觀察者認知經驗差異造成解釋差異。二義性是影響圖文分區的主要因素。二義性的產生與生俱來，是人工認知的基本屬性，很難避免。但是，二義性有共同認知的特點，即客體本身的二義解釋是基本固定的，不是任意答案，產生二義的情況也是有限的，不是任何客體都有二義性。所以，通過預定編碼規則，計算機輔助測量和判定，可以減少二義性影響。
2、鞋底花紋特徵標定原則
特徵的確定遵照簡單、直觀的原則，語義感強烈的、不複雜的解釋首先考慮；能夠減少特徵量的解釋方案首先考慮；複雜的圖形向經典、常見的圖形解釋；
3、特徵的信息量
一個完整的鞋底花紋含有多個特徵，特徵與特徵不是獨立的，而是有關聯和法則的，如一個正方塊內含一個圓紋的單元，該單元矩陣形成的鞋底花紋，其特徵為「(方塊-內含-圓紋)-矩陣」。「方塊」和「圓紋」是元素，「-內含-」關聯兩個元素，並帶有方向(前詞向後詞對應)。而「-矩陣」只連接前一個詞組，同時是對「」內所有特徵起作用，即「方塊」是矩陣的，內含的「圓紋」是矩陣的、「內含」關係也是「矩陣」的。其信息總量為：
(1)方塊、內含、圓紋、矩陣；(2)方塊-內含、內含-圓紋、圓紋-矩陣、內含-矩陣、方塊-矩陣；(3)方塊-內含-圓紋、內含-圓紋-矩陣、方塊-內含-矩陣；(4)方塊-內含-圓紋-矩陣。
特徵的綁定：通過指明特徵的相互關係，保證信息的準確和數量，並避免無關特徵的組合，出現語義歧義。特徵綁定通過連接特徵實現，如直線，表達為直狀、直線、直狀-直線三個特徵值。
5、鞋底花紋分類的內含
「鞋底花紋多維度分類方案」採用圖形語義分析的方法解析鞋底花紋特徵，區分圖形類別、圖形關係、位置、大小、密度等特徵，用於鞋底花紋的比對和查詢，但不限於文中指出的具體特徵和定義。人工解析是該分類方案的一種信息獲取渠道，但不限於人工標註獲取的方式，通過計算機自動識別以上總結的形狀和關係等特徵，同樣屬於該類分類方法的運用。對鞋底花紋的圖形分類和組成關係的研究是該方法的內含。
基於鞋底花紋多維度分類規則，可以獲取鞋底花紋「元素種類」、「單元構成」、「單元大小」、「骨骼方式」、「圖區的位置及範圍」、「圖區的關係」、「功能區結構」、「顯著特徵」等8個具體特徵維度的特徵值。設計思路為通過各個維度相似度的計算，計算出其相似度，並通過得分排名找到鞋底花紋一致的目標。即查找兩鞋底花紋在相同位置上有相同花紋形態、相同花紋組合、相同花紋排列且相同單元大小的鞋底花紋；系統需要具備資料庫、參數設置、圖片預處理、特徵錄入、算法、查詢、串並等幾個單元模塊。
經過編碼之後，通過如下方法進行查碼操作，
一、算法主線：
1、預設各特徵鍵值及名稱t、設定各權重值r。
2、圖像預處理：四點標定鞋底花紋在圖像中的範圍
i點：鞋掌前端外緣突點；ii點：鞋跟後端外緣突點；iii點：鞋掌內側外緣突點；iv點：過i、ii兩點的直線為垂直方向時，有過iii點的水平線和與鞋掌外側外緣相切的垂直線交點為iv點。
3、圖形歸一化：足跡圖片沿點i、ii方向壓縮至i、ii兩點間線段長28cm。圖片沿點iii、iv方向壓縮至iii、iv兩點間線段長10cm。過i、ii兩點的直線為垂直方向時，分別過點i、ii的水平線，與分別過點iii、iv的垂直線所圍成的矩形為足跡的矩形範圍。壓縮確保所有圖片預處理後的足跡矩形範圍為相同像素矩陣。
4、歸一化坐標系：以鞋底花紋的矩形框為界限，設任意一像素點(如第一行和第一列)為坐標原點(0，0)。水平方向為x軸，垂直方向為y軸。
5、實際坐標系：以鞋底花紋圖片中比例尺為標準，保障鞋底花紋為比例尺下實際大小。設三點定位中i點為原點(0，0)。水平方向為x軸，垂直方向為y軸。
6、在坐標系下標畫出圖區的範圍，並生成圖區qv，記錄圖區qv的像素坐標集合。(兩種坐標系均可使用，歸一化坐標系傾向任意尺碼花紋類別比較，實際坐標系傾向等大鞋底花紋比較)。
7、特徵集合t：預設掌部宏觀、跟部宏觀、圖區qv共v+2個特徵框，逐個輸入特徵集合內的特徵值t。
8、單元大小：記錄某圖區qv中單元的大小值，面積為s，周長為c。
9、分別計算各個維度的相似度，再匯總求得總相似度。計算的維度按照宏觀特徵比較、圖區特徵值比較、單元大小比較、圖區界限比較四個維度展開。各個特徵的比較是基於相同位置的特徵比較。
(1)宏觀特徵的比較：通過計算相同範圍內宏觀語義的相似程度，判定檢材和樣本在宏觀上的屬性相似度。
(2)圖區特徵值的比較：相同圖區(範圍和位置一致)內的特徵相似度。
(3)單元大小比較：相同圖區(範圍和位置一致)內同一單元的大小相似度計算。
(4)圖區界限比較：通過比較圖區的範圍和位置判定圖區結構的相似度。
(5)維度匯總：因各個維度關係相互獨立，各維度上的值視為一個方向上的屬性，該維度各個值涵蓋該維度上所有特徵情況，各個維度組合形成一個多維空間，空間上任意一點對應一個鞋底花紋類型。點與點之間的距離表示其差異的程度，距離越短，相似度越高。故採取歐式距離計算匯集維度得分。
10、維度尺度的統一：各維度計算單位需要一致才能合併計算，需要按照統一單位計算維度相似度值，如百分比。
11、權重：各特徵值、維度值對總體相似度評價的價值有高有底，通過預先設定權重值大小，改變特徵、維度的作用大小。
12、查詢：提交檢材查詢請求，修改查詢樣本範圍，指定必含或必不含(見下文詳解)值，發起查詢。
13、串並：通過任意維度組合得出綜合相似度得分排名。選擇目標鞋底花紋形成類案鞋底花紋。
二、計算式
1、宏觀特徵維度相似度計算
1.1宏觀特徵：宏觀掌部、跟部兩個特徵集合的各自比較；
1.2特徵集合：該類別下標註的所有特徵。分為掌部宏觀和跟部宏觀兩個集合；
1.3相似度公式：兩個集合之間的相似性採用jaccard相似指數描述——兩個集合集交集的元素個數除以併集的元素個數。
公式如下：
1.4已知條件：
設：(1)tn為檢材特徵；(2)tm為樣本特徵；
(3)掌部為一個特徵集合，跟部為另一個特徵集合；檢材掌部特徵和跟部特徵集合特徵共n個；小寫n為該集合中特徵的序號；樣本掌部特徵和跟部特徵集合特徵共m個；小寫m為該集合中特徵的序號；
(4)an為檢材特徵tn的比對值；
(5)rtn為檢材特徵tn的權重；
(6)rtm為預先設定的樣本特徵tm的權重；
(7)r1為預先設定的宏觀特徵總權重；
(8)xn為檢材特徵tn的必含值、yn為檢材特徵tn的必不含值：
含義：目標集合必須含有或必須不含有指定特徵tn；必含：目標集合含有該特徵，xn＝1，否則＝0；必不含：目標集合含有該特徵yn＝0，否則＝1；
1.5計算步驟：
①特徵缺失判斷：
f掌(n,m)＝if(nm＞0,1,0)、f跟(n,m)＝if(nm＞0,1,0)
如果檢材或樣本的掌部宏觀特徵集合為空，函數f掌(n,m)＝0，否則＝1。如果檢材或樣本的跟部宏觀特徵集合為空，函數f跟(n,m)＝0，否則＝1。即宏觀特徵集合缺失，該部分不參與計算。如f掌和f跟均為0，宏觀特徵停止運算，宏觀特徵總分h1＝0。
②比對掌部特徵和跟部特徵得分t：
檢材掌部宏觀特徵與樣本掌部宏觀特徵比較，樣本特徵集中含有檢材特徵tn，則an值為1，否則值為0。
檢材跟部宏觀特徵與樣本跟部宏觀特徵比較，樣本特徵集中含有tn，則an值為1，否則值為0。
比對掌部特徵和跟部特徵得分：掌部特徵、跟部特徵必含不含判定後，比對特徵得分的權重和為
t＝t掌+t跟。
③特徵總數b
b＝b掌+b跟，即檢材、樣本掌部和跟部的特徵權重和。
④宏觀總分h1
相對分：
h1＝r1(h1掌+h1跟)/{f掌(n,m)+f跟(n,m)}
＝r1{t掌/(b掌-t掌)+t跟/(b跟-t跟)}/{f掌(n,m)+f跟(n,m)}
即掌、跟特徵比中權重總分佔檢材、樣本的掌、跟部的特徵權重總數的百分比；
宏觀絕對分：
即掌部和跟部比中特徵權重和佔檢材掌、跟特徵權重的比例。
註：相對分與絕對分為兩種方案，計算時任選其一。相對分用於描述樣本、檢材特徵的一致程度，絕對分用於描述樣本涵蓋檢材特徵的程度。
2、界限特徵相似度：
2.1：定義
區：即圖區，指相同花紋形態、構成的區域。有一個特徵集合容納其區內特徵，同時有一個像素集描述其區的位置和範圍。
區組：檢材和樣本比對時，兩個區的配對編號。
界限：某個圖區的所有像素的位置集合。
2.2已知條件：
檢材區域總數u，樣本區域總數v；檢材圖區qu、樣本圖區qv；所有檢材與樣本區的排列組合，得到區組quv共uv組；下標uv為組合標記，非乘積，u和v分別為檢材區域序號和樣本區域序號；檢材區qu像素集du，面積值du；樣本區qv像素集dv，面積值dv；預先設定的界限權重r2；預先設定的界限過濾參數r′2；
2.3計算步驟：
①區組quv重疊區域像素集合euv＝du∩dv；euv為euv的面積大小；區組quv覆蓋區域fuv＝du∪dv；
fuv面積大小fuv＝du+dv-euv；總交集面積(共同描述區域參與討論)；區組quv界限相似度zuv＝euv/fuv(當fuv＝0，zuv＝0)；檢材qu的最優區組界限相似度zu，為與qu配對的v個以v為變量的quv的界限相似度集合的最大值zu＝max(zuv)；
②過濾值iuv
iuv＝f(zuv)
f(zuv)運算規則：當zuv值小於界限過濾參數r』2的，函數f(zuv)記為0，否者為1；
③界限特徵相似度h2
方案一：
方案二：
方案一為區組相似度大於過濾值的有效重疊面積佔比率；方案二為當檢材區數大於、等於樣本區數時，檢材區的最佳相似度的平均值。當樣本區數少於檢材時，則對稱計算樣本的界限相似度，並記為h2。
當區域描述中，整體樣本庫小面積區描述不佳時，方案一為優。整體區域個數描述較為準確時，方案二為優。
3、明確三點的細節特徵相似度：
3.1區域特徵的相似度：圖區對應的特徵集合相似度比較。
3.2已知條件
(1)檢材區域數u，樣本區域數v；檢材圖區qu、樣本圖區qv；所有檢材與樣本區的排列組合，得到區組quv共uv組；
(2)檢材圖區qu特徵集合特徵共n個；tn為檢材特徵；小寫n為該集合中特徵的序號；
(3)樣本圖區qv特徵集合特徵共m個；tm為樣本特徵；小寫m為該集合中特徵的序號；
(4)an為特徵tn的比對值；
(5)預先設定的rtn為檢材特徵tn的權重；
(6)預先設定的rtm為樣本特徵tm的權重；
(7)預先設定的r3為細節特徵維度特徵總權重；
(8)xn為檢材特徵tn的必含值、yn為檢材特徵tn的必不含值；記為0或1；含義：目標集合必須含有或必須不含有指定特徵tn；必含：目標集合含有該特徵，xn＝1，否則＝0；必不含：目標集合含有該特徵yn＝0，否則＝1；
(9)檢材區qu像素集du，面積值du；樣本區qv像素集dv，面積值dv；
3.3計算步驟
①區組quv特徵比對得分tuv
②對應區組quv的特徵總數為buv
即檢材區qu和樣本區qv的特徵權重和；
③區組quv重疊區域euv＝du∩dv；euv面積大小euv；區組quv覆蓋區域fuv＝du∪dv；fuv面積大小fuv＝du+dv-euv；總交集面積(共同描述區域參與討論)；區組quv界限相似度zuv＝euv/fuv(當fuv＝0，zuv＝0)；
④圖區重疊過濾值iuv
iuv＝f(zuv)；
f(zuv)運算規則：當zuv值小於界限過濾參數r′2的，函數f(zuv)記為0，否者為1；
⑤區組quv特徵比對相似度huv
相對分：huv＝tuv/(buv-tuv)；絕對分：
相對分為檢材、樣本綜合比較得分，絕對分為樣本涵蓋檢材特徵數量得分。
檢材qu的位置最優界限相似度zu：與qu配對的v為變量的quv的相似度集合zuv的最大值zu＝max(zuv)該區組quv的最大值特徵相似度為位置最優特徵相似度hu；
⑥細節特徵維度總分
方案一：
等同於每個像素點的特徵相似度積分。
方案二：檢材、樣本區數最少的為計算目標，例如檢材區數少，則取檢材qu的位置最優界限相似度zu，zu是與qu配對的v為變量的quv的相似度集合zuv的最大值，記為zu＝max(zuv)，該區組quv的最大值特徵相似度為位置最優特徵相似度hu；
如樣本區少，則改檢材u為樣本v。最優區對應的特徵相似度平均值，對界限劃定要求較高；
最優區對應的特徵相似度平均值，對界限劃定要求較高。
4、未明確三點的細節特徵相似度：
沒有三點定位，無法確定重疊關係，默認均可能重疊，已知條件同上。
計算步驟：
①區組quv內特徵分值為
②對應該區組quv的特徵總數為
③每區組得分：
以檢材、樣本區較少數為l＝min(u,v)；
當u＝v時：
取檢材區號u對應的區組集合，其特徵值最大為t′u：
相對分hu＝t′u/(buv-t′u)；絕對分當u不等於v時：
以最小區數的區號(檢材或樣本)為對應的區組集合，計算步驟同上。
④細節特徵維度總分h3；
h3為檢材特徵得分u個hu的和，除以l。
5、明確三點的單元大小相似度：
組成圖區的主要單元大小比較，通過計算單元面積、周長相似度的乘積比較單元相似度。
5.1已知條件：
檢材區域數u，樣本區域數v，所有檢材與樣本區組合，得到區組quv共k＝u*v組；
檢材單元面積su，樣本單元面積sv；檢材單元周長cu，樣本單元周長cv；檢材q區域面積du，樣本區域面積dv；單元大小權重r4。面積差過濾值r5、面積比值過濾值r′5(範圍0-1)；周長差過濾值r6、周長比值過濾值r′6(範圍0-1)；單元大小權重r7；
5.2計算步驟：
①最優位置區組界限相似度z′u
區組quv重疊區域euv＝du∩dv；euv面積大小euv；區組quv覆蓋區域fuv＝du∪dv；quv面積大小fuv＝du+dv-euv；總交集面積(共同描述區域參與討論)；區組quv界限相似度zuv＝euv/fuv(當fuv＝0，zuv＝0)；(如兩區實際不重疊，則euv＝0；即zuv＝0)；檢材qu的最優位置區組界限相似度z′u為與qu配對的(u為定量，v為變量)quv的界限相似度集合zuv中的最大值zu＝max(zuv)；該max(zuv)對應v號，為最優位置樣本區號，記為v。
②面積相似度：auv
quv的單元面積重疊guv＝min(su,sv)；其中，min表示取su和sv中的最小值；
檢材和樣本單元總面積juv＝max(su,sv)；其中，max表示取最大值；
qu最優位置qv單元面積相似度auv進行如下逐項判斷：
當|su-sv|小於、等於r5，則auv值為1，其中，||表絕對值；
當|su-sv|大於r5，則auv值為guv/juv；
當guv/juv值大於等於r』5，auv值為guv/juv；
當guv/juv值小於r′5，auv值為0；
舉例如r′4＝1、r′5＝0.5則：
su＝8，sv＝7.5，auv＝1；
su＝8，sv＝3，auv＝0；
su＝8，sv＝6，auv＝0.75；
如zuv集合為空，對應auv＝0
③周長相似度：buv
quv的單元周長重疊值為g′uv＝min(cu,cv)；
檢材和樣本單元總周長j′uv＝max(cu,cv)；
qu最優位置qv單元周長相似度buv進行如下逐項判斷：
當|cu-cv|小於、等於r6，則buv值為1，
當|cu-cv|大於r6，則buv值為g′uv/j′uv
當g′uv/j′uv值小於r′6，buv值為0；
當g′uv/j′uv值大於、等於r′6，buv值為g′uv/j′uv
舉例如r6＝1、r′6＝0.5則：
cu＝8，cv＝7.5，auv＝1；
cu＝8，cv＝3，auv＝0；
cu＝8，cv＝6，auv＝0.75；
如zuv集合為空，對應buv＝0
④單元大小相似度：
hu＝auv*buv
⑤單元大小相似度總分：
方案一其中，重疊面積大的圖區，單元得分高；
方案二其中，檢材單元得分平均值，u′值為含有檢材單元值的圖區總數，該方案對小區重視，精確度高，對樣本質量有要求。
6、未明確三點的單元大小相似度：
6.1已知條件：
檢材區域數u，樣本區域數v，所有檢材與樣本區組合，得到區組quv共k＝u*v組；
檢材單元面積su，樣本單元面積sv；
檢材單元周長cu，樣本單元周長cv；
檢材q區域面積du，樣本區域面積dv；
單元大小權重r4。
面積差過濾值r5、面積比值過濾值r′5，其中r′5範圍0-1；
周長差過濾值r6、周長比值過濾值r′6，其中r′6範圍0-1；
單元大小權重r7；
6.2計算步驟：
①最優位置區組特徵相似度t′u
區組quv內特徵分值為
對應該區組quv的特徵總數為
每區組得分：
相對分hu＝t′u/(buv-t′u)；絕對分取檢材區號u對應的區組集合，其特徵值最大為t′u：該其特徵值最大為t′u對應樣本v號，為最優位置樣本區號，記為v。
②面積相似度：auv
quv的單元面積重疊guv＝min(su，sv)；(註：min表取su和sv中的最小值)；_
檢材和樣本單元總面積juv＝max(su,sv)；其中，max表取最大值；qu最優位置qv的單元面積相似度auv進行如下逐項判斷：
當|su-sv|小於、等於r5，則auv值為1，(註：||表絕對值)
當|su-sv|大於r5，則auv值為guv/juv
當guv/juv值大於等於r』5，auv值為guv/juv；
當guv/juv值小於r′5，auv值為0；
如zuv集合為空，對應auv＝0。
②周長相似度：
quv的單元周長重疊值為g′uv＝min(cu,cv)；檢材和樣本單元總周長j′uv＝max(cu,cv)；
qu最優位置qv的單元周長相似度buv進行如下逐項判斷：
當|cu-cv|小於、等於r6，則buv值為1，
當|cu-cv|大於r6，則buv值為g′uv/j′uv；
當g′uv/j′uv值小於r′6，buv值為0；
當g′uv/j′uv值大於、等於r′6，buv值為g′uv/j′uv；
如zuv集合為空，對應buv＝0；
④單元大小得分
hu＝auv*buv
⑤單元大小相似度總分：
方案一其中，重疊面積大的圖區，單元得分高；
方案二其中，檢材單元得分平均值，u值為含有檢材單元值的圖區總數，該方案對小區重視，精確度高，對樣本質量有要求；
7、採取歐式距離計算公式
各維度相似度通過歐式計算公式得到檢材、樣本特徵的差異度，通過排序，差異度最低的樣本為鞋底花紋在宏觀特徵、界限特徵、細節特徵、單元大小相似度最高的目標鞋底花紋：