鞋印同指纹、DNA等一样在案件侦破中起着十分重要的作用。传统的鞋印识别主要采用人工比对的方法，即人工将犯罪现场获取的鞋印图片与库存的图片进行比对，从而实现案件的侦破。由于鞋印数量巨大，寻找一种基于计算机的自动比对方法十分必要，有利于减少人工操作，提高比对的正确率，充分发挥鞋印在案件侦破中的作用。 目前的鞋印匹配系统主要采用人工编码的方法。即将市面可见的各种鞋底图案人工制定一套编码标准，对不同的图案给予不同的编码，然后根据该标准对鞋印编码，进而实现鞋印识别。人工编码方法的缺点在于过分依赖于操作者，从而造成识别结果的误差。其次，鞋印种类繁多且日趋复杂，使鞋印匹配很难达到满意的效果。 本文提出了基于功率谱密度（PSD: power spectral density)和Zernike矩的鞋印匹配方法。针对捺印图片或现场获取的花纹清晰的鞋印图片，利用功率谱密度的相关系数实现匹配。针对背景复杂或模糊的现场鞋印图片，将鞋印用一系列不规则形状表示，通过插值对形状进行平移、尺度标准化，并将变换后的形状归一化到单位圆内计算各阶Zernike矩。利用Zernike矩重构原形状,依据各阶矩的重构进行特征选择，构成特征向量，最后通过特征向量间的加权欧式距离实现匹配。实验对400余幅真实鞋印的测试结果表明，两者的识别率各为86％和98％左右，可有效地实现鞋印的匹配。