陸駿

摘要：利用圖像進(jìn)行交通事故現(xiàn)場(chǎng)的重現(xiàn)是目前進(jìn)行交通事故勘探的重要手段之一，對(duì)于多個(gè)圖像必須使用圖像配準(zhǔn)技術(shù)來(lái)提高其精準(zhǔn)度。該文在Powell算法、遺傳算法和蟻群算法的基礎(chǔ)上，并對(duì)現(xiàn)有算法加以改進(jìn)，從而建立一種適用于交通事故處理的圖像配準(zhǔn)算法，使之適合于交通事故處理的圖像配準(zhǔn)中。

關(guān)鍵詞：圖像配準(zhǔn)；交通事故；事故現(xiàn)場(chǎng)；優(yōu)化算法

中圖分類號(hào)：TP399文獻(xiàn)標(biāo)識(shí)碼：B文章編號(hào)：1009-3044(2012)20-4977-04

Registration Study Based on Images of the Accident Scene

LU Jun1,2

(1.School of Information Technology, JiangNan University, Wuxi 214122, China; 2.WuXi Teachers College, Wuxi 214000, China)

Abstract: Use the image the scene of a traffic accident reappearance is the traffic accident prospecting is one of the important means, for multiple image must use image registration techniques to enhance its precision. Based on the Powell algorithm, genetic algorithm and ant colony algorithm based on the existing, and the algorithm is improved, so as to establish a suitable for traffic accident treatment of image registration algorithm, which is suited for traffic accident treatment in image registration.

Key words: image registration; traffic accidents; the scene of the accident; Optimization algorithm

在社會(huì)文明程度與科技不斷進(jìn)步的同時(shí)，人們發(fā)明了機(jī)動(dòng)車(chē)，這種出行方式極大地改變了人們的生活，時(shí)至今日，人們已經(jīng)離不開(kāi)汽車(chē)了，汽車(chē)也成為人們不可缺少的一部分。然而事物都具有兩面性，在汽車(chē)給人們的交通出行方面帶來(lái)極大便利的同時(shí)，各種狀況也隨之而來(lái)，如汽車(chē)尾氣，交通擁擠等等，但是這些帶給人們的危害都不如交通事故帶給人們的沖擊性強(qiáng)烈。各種交通事故，不僅讓人們?cè)诮?jīng)濟(jì)上飽受損失，還會(huì)帶來(lái)精神上的傷害。

在處理交通事故時(shí)，需要了解發(fā)生事故的現(xiàn)場(chǎng)，其中包括發(fā)生事故的路段和地點(diǎn)，以及跟本事故相關(guān)的各種車(chē)輛、人物、牲畜及其他事物、痕跡、物證所占用的空間和時(shí)間。

現(xiàn)在，各個(gè)路口都配有攝像頭，可以將交通事故現(xiàn)場(chǎng)的圖像或是視頻資料提取出來(lái)，進(jìn)行場(chǎng)景再現(xiàn)，也就是利用攝影圖像進(jìn)行交通事故的定量分析，這就涉及了數(shù)字圖像處理技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)，但是各個(gè)攝像頭的角度，拍照時(shí)間有所差異，就需要對(duì)采集到的圖像進(jìn)行圖像配準(zhǔn)。

簡(jiǎn)單點(diǎn)說(shuō)，交通事故現(xiàn)場(chǎng)圖像配準(zhǔn)的本質(zhì)就是需要尋找到一個(gè)變換模型，糾正采集圖像的形變，而其中的采集圖像又是多幅的。在實(shí)際問(wèn)題中，采集到的圖像都是俯視的，而傳感器的性能和成像條件的多樣，也影響了圖像配準(zhǔn)的統(tǒng)一性。

信息融合研究中的一個(gè)重要的課題就是圖像配準(zhǔn)技術(shù)，圖像配準(zhǔn)技術(shù)對(duì)于許多實(shí)際的應(yīng)用也具有重要的價(jià)值。圖像配準(zhǔn)技術(shù)作為關(guān)鍵和先決條件，往往體現(xiàn)在一些計(jì)算機(jī)視覺(jué)和模式識(shí)別任務(wù)中。簡(jiǎn)單來(lái)說(shuō)，圖像配準(zhǔn)就是指針對(duì)一幅或多幅圖像找到一種(或一系列)的空間變換，能夠讓其與另一幅或另外多幅圖像上的對(duì)應(yīng)點(diǎn)在空間上能夠達(dá)到一致。按照?qǐng)D像獲取的方式不同，圖像配準(zhǔn)應(yīng)用一般分成四個(gè)主要類別：

1）進(jìn)行不同視覺(jué)或角度下對(duì)于圖像的多視分析。配準(zhǔn)使具有重疊部分的同一場(chǎng)景圖像在不同的地方得到，從而獲得更大更全面場(chǎng)景的視圖描述。相關(guān)應(yīng)用有遙感成像、區(qū)域航拍等。

2）進(jìn)行不同時(shí)間圖像的多時(shí)相分析。同一場(chǎng)景在一個(gè)時(shí)間序列內(nèi)進(jìn)行配準(zhǔn)，從而得到一系列圖像，在這些過(guò)程中發(fā)現(xiàn)某些場(chǎng)景中的變化情況。相關(guān)應(yīng)用有遙感圖像土地使用監(jiān)控、特殊場(chǎng)合的案情監(jiān)控等。

3）進(jìn)行不同傳感器的多模態(tài)分析。同一場(chǎng)景不同傳感器進(jìn)行配準(zhǔn)，從而獲得相應(yīng)的圖像，在這過(guò)程中將不同傳感器提供的圖

Δτkij(t)表示第k只螞蟻在本次循環(huán)中留在路徑(i, j)上的信息量。

4.4交通事故現(xiàn)場(chǎng)圖像配準(zhǔn)的算法

在一定高度和俯視角度下攝影得到的圖像稱為事故現(xiàn)場(chǎng)俯視攝影圖，在完成校正后，有部分現(xiàn)場(chǎng)信息肯定會(huì)丟失，所以如何減少信息的丟失成為了圖像配準(zhǔn)的一個(gè)關(guān)鍵問(wèn)題。同時(shí)影響圖像所反映的現(xiàn)場(chǎng)細(xì)節(jié)顯示的清晰程度還和其他情況有關(guān)，如在圖像尺寸大小確定的情況下，校正后圖像包含的現(xiàn)場(chǎng)信息量的多少。為此在圖像的實(shí)際使用中，一方面要求圖像盡可能多地包含有效信息，另一方面又要求圖像所反映的現(xiàn)場(chǎng)細(xì)節(jié)具備較好的清晰度。為了達(dá)到最佳的校正效果，就需要選擇一個(gè)折中的處理方法來(lái)妥善地解決。

該文將Powell算法、遺傳算法、蟻群算法相結(jié)合。首先，使用遺傳算法優(yōu)化蟻群算法的參數(shù)，見(jiàn)圖2。

圖2遺傳算法優(yōu)化α,β,ρ參數(shù)

在一般情況下蟻群算法均能找到比較滿意的結(jié)果，但解空間的最優(yōu)解卻不一定能夠得到，一般得到的解都是在全局最優(yōu)解附近的一個(gè)解。而具有極強(qiáng)的局部尋優(yōu)能力的算法就是Powell算法，所以我們將蟻群算法的全局搜索能力和Powell算法的局部尋優(yōu)

能力有機(jī)結(jié)合起來(lái)，然后使用這些算法放在該文的配準(zhǔn)優(yōu)化過(guò)程中。蟻群算法中目標(biāo)函數(shù)的計(jì)算次數(shù)由于比較多，必然導(dǎo)致優(yōu)化的時(shí)間會(huì)很長(zhǎng)，所以采用基于小波變換的多分辨率來(lái)作為我們的策略，整個(gè)算法的優(yōu)化過(guò)程分為兩大部分，第一部分先在較低分辨率的圖像上采用蟻群算法進(jìn)行配準(zhǔn)。由于一開(kāi)始圖像比較小，所以進(jìn)行互信息計(jì)算時(shí)，速度會(huì)很快，所以能夠迅速完成優(yōu)化過(guò)程；第2部分高分辨率圖像上使用Powell法在進(jìn)行尋優(yōu)，算法的初始點(diǎn)為上一步中蟻群算法得到的最好解。具體步驟描述如下：

1)首先使用小波分解在對(duì)待配準(zhǔn)的浮動(dòng)圖像和參考圖像上進(jìn)行，從而得到比較小的子圖像；然后對(duì)子圖像進(jìn)行配準(zhǔn)，這個(gè)尋優(yōu)過(guò)程使用蟻群算法來(lái)進(jìn)行。采用最近鄰法的插值方法使用在優(yōu)化過(guò)程中。對(duì)于分辨率比較低的圖像，采用最近鄰法插值，能夠做到運(yùn)行速度快，實(shí)際優(yōu)化效果和PV插值相同，最后為了能夠提高配準(zhǔn)精度和速度，可以將圖像灰度歸一化到較少的灰度級(jí)別。

2) Powell法尋優(yōu)的起始點(diǎn)使用步驟(1)中通過(guò)蟻群算法得到的配準(zhǔn)參數(shù)，對(duì)于高分辨率的圖像上進(jìn)行配準(zhǔn)，從而得到配準(zhǔn)的最優(yōu)解。優(yōu)化過(guò)程中插值方法采用PV插值，圖像灰度級(jí)數(shù)設(shè)置為256，這樣的目的是為了提高配準(zhǔn)精度。由于步驟(2)中的Powell法優(yōu)化提供的一個(gè)非常有效的初始點(diǎn)是來(lái)源于步驟(1)中蟻群算法的配準(zhǔn)結(jié)果，這樣就對(duì)優(yōu)化結(jié)果的影響和Powell法的參數(shù)優(yōu)化順序之間關(guān)系較小，所以不需要根據(jù)成像特點(diǎn)來(lái)設(shè)定參數(shù)優(yōu)化順序，同時(shí)也使得步驟(2)的優(yōu)化時(shí)間要比從默認(rèn)初始點(diǎn)或者隨機(jī)初始點(diǎn)開(kāi)始搜索的普通的Powell法花費(fèi)的時(shí)間短很多。在分辨率低的圖像上使用步驟(1)中的蟻群算法進(jìn)行尋優(yōu)，主要因?yàn)槠洳逯捣椒ê?jiǎn)單，從而使互信息的計(jì)算能力較快，在比較短的時(shí)間內(nèi)可以完成步驟(1)的優(yōu)化過(guò)程，這樣測(cè)試下來(lái)，整個(gè)優(yōu)化算法總的運(yùn)行時(shí)間與原來(lái)普通的Powell法相當(dāng)。

該文介紹了幾種經(jīng)典的圖像配準(zhǔn)的優(yōu)化算法，如Powell算法、遺傳算法、蟻群算法，在這些算法的基礎(chǔ)上，總結(jié)各種方法的優(yōu)點(diǎn)與缺點(diǎn)，并對(duì)現(xiàn)有算法加以改進(jìn)，從而建立一種適用于交通事故處理的圖像配準(zhǔn)算法。

[1]譚立東,許洪國(guó),劉宏飛.基于控制點(diǎn)自動(dòng)獲取的交通事故現(xiàn)場(chǎng)圖像幾何校正方法[J].長(zhǎng)春理工大學(xué)學(xué)報(bào):自然科學(xué)版,2009(2): 296-299.

[2]張文會(huì).高速公路交通事故現(xiàn)場(chǎng)區(qū)劃安全測(cè)度研究[D].吉林:吉林大學(xué),2010.

[3]李哲.圖像配準(zhǔn)的理論及其相關(guān)算法研究[D].西安:西安電子科技大學(xué),2011.

[4]張明恒.交通事故現(xiàn)場(chǎng)俯視攝影圖幾何校正的研究[D].吉林:吉林大學(xué),2004.

[5]高峰.圖像配準(zhǔn)中的幾何特征不確定性建模及匹配方法研究[D].長(zhǎng)沙:國(guó)防科學(xué)技術(shù)大學(xué),2011.

[6] Pratt W K.Digital image processing: PIKS inside[M].John Wiley & Sons, Inc.New York,NY,USA, 2011.