机动车涉案现场常会在路面、人体皮肤及衣着、纺织物等客体上提取到机动车轮胎花纹痕迹。轮胎痕迹具有很好的稳定性和特定性,对车辆类型和车辆信息的获得有独特优势。随着科学技术的进步和研究的深入,轮胎花纹作为车辆的“指纹”,未来在法庭科学上将起到重要作用,也必将为道路交通事故处理与事故责任认定提供技术支持。为了解决轮胎花纹痕迹图像模糊识别问题,研究了轮胎痕迹图像中花纹边缘和个别特征的识别与分割,对轮胎痕迹图像中花纹的边缘检测、特征点分割进行量化分析与处理。在轮胎痕迹图像预处理过程中,针对案发现场轮胎痕迹图像采集手段的不足,通过MATLAB将图像平滑、滤波去噪及锐化处理,保留了轮胎痕迹图像原始特征信息,使轮胎痕迹图像的清晰度提高,从而能有效地对轮胎痕迹图像进行边缘检测和特征提取。提出了基于Canny算法的形态学优化图像边缘检测方法,并用该方法对典型的三种轮胎痕迹图像进行了实验比较分析。实验结果显示,检测图像边缘信息丰富、边缘清晰。利用小波多分辨分析和离散小波的优势,对轮胎痕迹图像进行了小波的分解与重构,得到不同分解尺度下轮胎痕迹图像的多分辨小波特征。在此基础上,提出了一种基于标记控制的形态学重构分水岭分割算法,运用此算法对轮胎痕迹图像进行了处理,提高了图像特征分割的运算速度并降低了算法的复杂度;针对分水岭算法中存在的过度分割问题,提出了一种改进分水岭算法。基于轮胎痕迹图像识别算法,对多种类型的轮胎痕迹图像进行模糊识别;对轮胎痕迹图像特征匹配的效果予以比较;开发了Visual FoxPro计算机软件查询程序,即车辆轮胎花纹数据库系统。