智能交通系统(ITS)在城市交通的现代规划和管理中发挥着越来越大的作用。在视频检测中大量存在的汽车阴影往往会影响智能交通系统的正常工作。由于阴影与汽车一同运动甚至将不同的汽车对象粘连为一体,从而导致系统工作失误,具体影响到图像分割、目标定位与跟踪等几个重要方面。为此先期的对车辆进行快速有效的检测和滤除是十分必要和重要的。本文使用Phong光照模型分析了交通道路图像中阴影形成的机理,分析了阴影区域的图像特征,得出阴影使被覆盖面亮度降低,但并不改变被覆盖面的纹理特征,同时阴影区域在被覆盖前后会保持光学不变性等重要结论。本文从阴影区域的图像特征入手,在对实景图与背景图实施“商-比例”处理的基础上,创新性地提出了基于小波系数分布特征及阴影光学特征的车辆阴影检测两步法。步骤如下:1.对由“商-比例法”得到的前景图进行小波变换,分别对高频带小波系数和低频带小波系数进行分析,提取出符合阴影特征的小波系数进行标记,然后进行重构运算,得到准阴影区域图。2.分析与准阴影区域图相对应的当前图与背景图,构造基于光学不变性的识别判据,成功识别出准阴影区中的虚假阴影区,检测出真实阴影区。在阴影检测的基础上,研究了车辆阴影影响电子警察系统的工作机理。在验证了“基于背景的阴影区域去除算法”的基础上,提出三种消除阴影的方案,并对其所适用的不同条件进行了分析。这三种方案是:1.基于邻域替换的阴影区域去除算法;2.基于邻域差值的阴影区域去除算法;3.基于Retinex理论的阴影区域去除算法。实验证明本文方法对汽车对象的颜色、大小及阴影的投射方向没有特殊要求,阴影平均检出率超过92%、平均误检率低于3%,平均运行时间低于30毫秒,同时,与汽车对象同画面行驶的自行车及行人阴影也受到有效抵制和滤除;在适用性、有效性和处理速度等方面反映出较优的品质。