现场轮胎痕迹花纹检索是指利用提取的轮胎痕迹花纹图像中的有效信息在一定的判别条件下将标准库存图像进行排序输出。近年来,层次化特征提取和人脑的无监督学习成为当前图像处理领域的研究热点,本文考虑到人类视觉系统对物体识别的过程可以看作是从视网膜到下颞叶皮层区的神经细胞进行无监督学习,由简单到复杂、由具体到抽象逐层提取特征进行识别的过程。据此,本文将人脑的无监督学习和层次化特征提取特性结合到轮胎痕迹花纹图像检索过程中,提出一种快捷有效的基于稀疏表示和概率潜在语义分析的现场轮胎痕迹花纹检索算法,主要工作包括：1)给出了轮胎痕迹花纹图像预处理算法首先对校正圆周方向和直方图均衡化后的轮胎痕迹花纹图像进行非局部均值滤波,然后将轮胎痕迹花纹图像分块进行最大类间方差(OTSU)二值化。实验结果表明,预处理后的轮胎痕迹花纹图像能够很好地与背景分离,并能够有效地表达图像的纹理信息。2)提出了基于Gabor基词汇表的轮胎痕迹花纹图像初级视觉特征提取算法根据轮胎痕迹花纹图像特征将不同尺度、不同方向的Gabor核函数作为特征词构建Gabor基词汇表,求解其系数向量作为轮胎痕迹花纹图像的特征,并通过人机交互方式构造方向性特征权重系数向量,以加权后的特征作为图像的初级视觉特征。实验结果表明,提取的特征对噪声、残缺和畸变具有较好的鲁棒性,能够很好地区别不同类别的轮胎痕迹花纹图像,并能很好地体现使用者主观评价对特征的影响。3)给出了基于PLSA的轮胎痕迹花纹图像主题特征提取算法将提取的训练图像集的初级视觉特征映射到概率潜在语义分析模型中,提取潜在语义空间和每幅训练图像的特征主题词表示,构成特征主题字典,并基于训练图像的潜在语义空间提取待检图像的特征主题词表示。实验结果表明,该算法提取的主题特征更能体现同类花纹中隐含的共性特征及非同类花纹之间的差异性,并且减小了图像初级视觉特征和高层语义之间的语义鸿沟。4)提出了基于稀疏表示的轮胎痕迹花纹图像检索策略将待检图像特征主题词表示在特征主题字典上进行稀疏编码,根据编码残差和编码系数联合形成的相似度对轮胎花纹库存图像进行检索。实验结果表明,该检索策略能有效地消除特征误差对检索结果的影响。综合实验表明：本文算法在仿真各种干扰的合成图检索结果的前0.2%的平均查准率为99.93%；实际现场待检图检索结果的前2.42%的平均查全率为100%,平均查准率为71.40%；同时本文算法的综合检索性能也优于其他典型算法。本文提出的基于图像预处理和初级视觉特征提取层、主题词提取层、稀疏编码与检索层三层构架的现场轮胎痕迹花纹图像检索算法对残缺、噪声等现场常见的干扰具有很好的鲁棒性,且检索速度快、查全率高,适用于现场轮胎痕迹花纹图像的检索,并已交付实际应用。