Enhancement of footwear impressions

Abstract

Even though the recognition of shoeprint images secured at crime scenes is a highly researched topic, the final identification is usually done by human forensic experts. Furthermore, there is limited research available about preprocessing and enhancement techniques, to increase the matching accuracy. This thesis investigates the possibilities for enhancement of shoeprint images from a real-life dataset, for which three prototypical approaches are presented and evaluated. The main challenge of this task is to correctly filter the shoe outsole pattern on theshoeprint image regardless of the versatile, possibly heavily structured and cluttered noise in the images. Among fully automated methods, a semi-automated technique is also tested, where user input is required for noise separation. The aim of this work is to give an overview of the current state of the art and to definean approach which is able to filter and enhance the shoeprint in spite of the presence of noise and of the varying image quality. Along two fully-automated algorithms, a semi-automated noise-suppression and enhancement pipeline for shoeprint images is also introduced. The noisy pixels are identified based on the Fourier-Mellin features of a background pixel selected by the user and its neighborhood. At the same time a noise model is calculated to eliminate the noise structure in the remaining parts of the shoeprint image, thus in the shoeprint, as well. Additionally, the pixels are clustered based on their gradients and the non-local means approach is applied to suppress remaining noise. Qualitative evaluation indicates that the processed images are clearer, the shoeprints are sharper and the noise is reduced. Quantitative analysis using three basic image descriptors confirmed this and showed a higher accuracy of up to 30% in the enhanced images compared to their original.

Obwohl die Erkennung von Schuhabdrücke von Tatorten ein hoch erforschtes Thema ist, erfolgt die endgültige Identifizierung durch forensische Experten. Außerdem ist die Forschung über Preprocessing und Enhancement Techniken um die Matching Genauigkeit zu erhöhen limitiert. Diese Arbeit untersucht Möglichkeiten zur Verbesserung von Schuhabdrucksbilder aus einem Datensatz mit forensischen Bildern aus der Praxis. Die Methodik von drei Ansätzen werden vorgestellt und bewertet. Eine Herausforderung bei automatischer Analyse ist das Muster der Schuhsole unabhängig von dem vielseitigen, möglicherweise stark strukturierten und überfüllten Rauschen, korrekt zu filtern. Neben vollautomatisierten Methoden wird auch eine halbautomatische Technik getestet, bei der Benutzereingaben für die Entfernung von Rauschen und Verzerrungen erforderlich sind. Ziel dieser Arbeit ist es, einen State- of-the-Art Überblick zu geben und einen Algorithmus zu definieren, mit dem die Schuhabdrucksbilder trotz Rauschen und variierender Bildqualität gefiltert und verbessert werden können. Zusammen mit zwei vollautomatischen Algorithmen wird eine halbautomatische Methode zur Rauschunterdrückung und Verbesserung der Schuhabdruckbilder vorgeschlagen. Die halbautomatische Methodik in der Arbeit identifiziert verrauschte Pixel basierend auf den Fourier-Mellin-Merkmalen eines von dem Benutzer ausgewählten Hintergrundpixels und dessen Nachbarschaft. Gleichzeitig wird ein Rauschmodell berechnet, um diese Struktur auch von dem restlichen Bild,also von dem Schuhabdruckmuster, zu eliminieren. Zusätzlich werden die Pixel basierend auf ihren Gradienten gruppiert und der Ansatz von "non-local means" wird angewendet um den Kontrast zwischen dem Vor- und dem Hintergrund zu erhöhen. Die qualitativen Ergebnisse zeigen, dass die verarbeiteten Bilder klarer sind, das Muster von der Schusohle schärfer ist und das Rauschen unterdrückt wird. Die quantitative Analyse basierend auf drei grundlegende Bilddeskriptoren bestätigt dies und zeigt eine höhere Genauigkeit von bis zu 30% im verbesserten Bild im Vergleich zum Original.