陽 雁，劉 斌，蔣邵衡，陳漢彬，武 政

處理交通事故發(fā)生當時的肇事車輛剎車痕跡圖像是在交通事故發(fā)生以后的關鍵工作。為了及時準確地獲取信息，現(xiàn)場勘查時在有條件的情況下，只需找出肇事車輛事故發(fā)生時剎車痕跡圖像，再借助專業(yè)的技術將其采集下來，通過圖像處理技術，就可以溯源到肇事車輛。同時，這也為交通事故的定量分析提供了直接的依據(jù)。本文主要以交通事故現(xiàn)場剎車痕跡圖像特征為依據(jù)，探討解決優(yōu)化圖像處理，通過對Powell 算法、遺傳算法以及蟻群算法其具體優(yōu)缺點作為切入點進行分析與比較研究，有效的將這三者進行結(jié)合，進而延伸出全新的、更加實用的特征匹配算法。

1 肇事車輛剎車痕跡圖像處理步驟

1）建立車輛輪胎剎車痕跡圖像數(shù)據(jù)庫。將采集到的肇事車輛剎車痕跡圖像資料進行強化處理，以不同的圖像用不同的形式進行退化之后的形態(tài)為依據(jù)，相應的做出適當?shù)膭討B(tài)性補充與修正。然后對經(jīng)過了增強處理后的圖像進行幾何形態(tài)的修正，最后還要對灰度數(shù)值的差值進行進一步的處置。

2）基于肇事車輛剎車痕跡圖像特征對圖像分類。在對交通事故的事發(fā)現(xiàn)場剎車痕跡進行勘查時，需要借助二維重建的方式對事故現(xiàn)場的剎車痕跡圖像信息進行配準處理，需要尋找特征突出且相對顯眼的紋路。

3）剎車痕跡圖像特征匹配。兩個及兩個以上的剎車痕跡圖像所擁有的特征匹配數(shù)量應該是成偶數(shù)的，其被匹配的特征也應是多個的，當少數(shù)圖像難以確定匹配時，對于全局的匹配并不會產(chǎn)生影響。

4）找尋可能適用于剎車痕跡圖像的可變換模型，并在模型之間進行比較，選取適用效果最佳的模型，進而得出變換的參考數(shù)據(jù)。參考數(shù)據(jù)的得到需要借助相應的圖像配準算法，合理的配準算法可以縮短配算所用的時長，以收獲最佳的配準效果。

5）存在特殊的情況，對圖像進行二次采樣。以變換函數(shù)為依據(jù)，在相近的圖像之間進行變換，直到將圖像調(diào)整到最佳的使用要求，其最常使用的方法是最近鄰插值以及雙線性插值。

2 肇事車輛剎車痕跡圖像優(yōu)化

在對肇事車輛剎車痕跡圖進行了校正處理之后，肯定會丟失和損失一定數(shù)量的現(xiàn)場數(shù)據(jù)信息，所以如何降低圖像的丟失率也是需要克服的難題。比如確定圖像的尺寸，在要求一定尺寸的圖像最大限度的信息包含量的同時，對圖像所反映的現(xiàn)場實際情況的細節(jié)要盡可能的清晰明了。Powell 算法、遺傳算法以及蟻群算法是現(xiàn)階段圖像配準算法的集中主要算法，這些算法都有各自的優(yōu)點和缺點。蟻群算法的運算速度不夠迅速，并且得出的答案針對局部的圖像，不是整體最佳的答案。所以，基于蟻群算法的此類缺陷，進行了改正和優(yōu)化。第一，對于蟻群算法運算過慢這一缺點，是借助遺傳算法對蟻群算法中的參考數(shù)值進行改進優(yōu)化，從而達到加速運算的目的。第二，基于蟻群算法的所得結(jié)果進食局限于部分圖像這一點，其解決方法是利用Powell 算法進行填充，這是以Powell 算法具有尋求局部最佳結(jié)果的極強性能為依據(jù)的。具體來說，就是首先借用蟻群算法收獲一個局部的最佳答案，再利用Powell 算法進行優(yōu)化和補充，進而得到整體的最佳答案。

通常情況下，整體算法的優(yōu)化流程大致分為兩大步驟：第一步驟先用蟻群算法進行較低分辨率的圖像配準。因為剛開始處理的圖像過小，因此在進行數(shù)據(jù)之間的計算時，其運算速率會比較快，其優(yōu)化的過程會在較短的時間內(nèi)完成；第二步驟在高分辨率的圖像上用Powell 算法進行尋優(yōu)處理，以蟻群算法下最佳的答案為計算開始的節(jié)點。其具體的操作流程如下：

1）利用小波分解的方式將即將進行配準處理的預處理，通過此手段獲得規(guī)格較小的子圖像，再對新得的子圖像進行處理，這也是圖像尋優(yōu)的過程。實現(xiàn)這些過程離不開蟻群算法的技術支撐，同時借助相近圖像數(shù)據(jù)的插值方法，對分辨率不達標的圖形進行二次處理，一上線加快運算速度、收獲最佳結(jié)果的目的。進而極大的提高圖像配準的準確度，減輕圖像灰化的程度。

2）對于利用Powell 方法進行尋優(yōu)，其過程開始的起點就是通過蟻群算法所得出的最佳結(jié)果，作為圖像配準的參考數(shù)據(jù)。由于Powell 算法開始的節(jié)點是選取了蟻群算法的最優(yōu)配準結(jié)果，這為Powell 的優(yōu)化提供了非常有幫助的初始起點，這就對優(yōu)化結(jié)果的影響較小，同時也對Powell 算法參考數(shù)據(jù)的優(yōu)化順序產(chǎn)生較小的影響，不必再依照圖形構(gòu)成的特征進行參考數(shù)據(jù)之間的順序優(yōu)化，同時相比于隨機或默認的選擇初始節(jié)點來進行的Powell計算方法，這種將蟻群算法的最優(yōu)結(jié)果直接作為計算初始點的方法更加的節(jié)約其優(yōu)化的時間。嚴格按照蟻群算法來對分辨率較低的圖像進行最優(yōu)化的選擇，這是突出蟻群算法相對簡化的插值方法，對信息計算的用時較短，可以確保圖像的擇優(yōu)可以在較短的用時之內(nèi)完成，相比于Powell 算法其工作效率比較理想。

3 肇事車輛剎車痕跡圖像實際檢驗評價

充分利用現(xiàn)場條件，對事故現(xiàn)場肇事車輛剎車痕跡拍攝兩張不同角度的照片，再通過matlab 處理程序進行算法處理，再將其計算方法與本文所介紹的計算方法進行特征方面的匹配，來比較使用不同算法而進行的圖像配準的不同效果。在配準的過程中，在每張圖像中都選取不同特征節(jié)點來匹配，借助蟻群算法、遺傳算法以及Powell 算法分別對不同的特征節(jié)點進行與之相匹配的圖像的特征進行優(yōu)化配對，不同的算法得出的特征匹配結(jié)果也不盡相同。

基于現(xiàn)階段的技術應用實踐可以得出，從局部的擇優(yōu)能力來看，Powell 算法具有明顯的優(yōu)勢。但其作用的發(fā)揮首先需要保證Powell 算法能夠及時準確的進入圖像的內(nèi)部空間范圍之內(nèi)；遺傳算法局部擇優(yōu)的能力同樣優(yōu)異，而計算時長無法確定是其弊端。借助蟻群算法而進行的特征匹配其最佳結(jié)果都是徘徊于整體最佳結(jié)果的鄰近位置，運算時間過程是其弊端。所以，相對而言，蟻群算法在特征的匹配方面比較理想，但需要對其進行優(yōu)化改進后再加以利用。圖像特征選取的是否精準直接影響圖像配準的準確度，雖然Powell 算法在圖像特征的選擇上有較強的擇優(yōu)性能，但其圖像的涵蓋范圍過于局限，視線范圍也過于拘泥。利用蟻群算法雖然確保了圖像特征選擇的質(zhì)量，但是其運算時長過長，也不利于事故的勘查。

4 結(jié)語

本文將傳統(tǒng)的圖像匹配技術與新型運算方法相結(jié)合，更加具有時效性。肇事車輛剎車痕跡圖像通過遺傳算法將蟻群算法的參考數(shù)據(jù)進行優(yōu)化處理之后，可以得到我們想要的理想結(jié)果。這項技術的進步，既節(jié)省時間又能使肇事車輛剎車痕跡圖像進行準確匹配，同時蟻群算法極佳的整體運算又能縮小了查找范圍，再加上運用Powell 算法對局部擇優(yōu)的極強性能，最終達到圖像處理的理想結(jié)果。優(yōu)化剎車痕跡圖像算法是交通事故現(xiàn)場圖像匹配技術的改革和進步，能夠極大地將交通事故現(xiàn)場勘查技術進行推進，進而讓肇事交通事故得到及時有效的追蹤或溯源，讓人民的人身財產(chǎn)安全得到更加有效的保障。