随着汽车交通系统发展的日趋成熟,以计算机视觉方法采集交通信息、提供智能辅助决策、进行相关信息存储和管理为目的的智能交通监控系统越来越受到人们的重视。交通信息的获取无疑是交通监控系统的首要任务,相对于地感线圈等传统的检测以及监控手段,基于视觉的交通信息监控系统能够更直观地提供视觉信息,从而提供更全面更快速的交通信息。然而,由于实际应用中存在光照、遮挡及环境复杂多变等因素的影响,基于视觉手段获取的交通图像质量参差不齐,对后续进行的基于图像的交通信息理解提出了很高的要求。如何根据交通图像及视频的特点,寻求高效的图像表示算法、交通标志及车牌字符识别算法以及高效的压缩存储算法等关键问题,至今未有满意的解决。本论文基于新兴的有限脊波变换以及压缩感知理论进行算法研究,并从实际的工程应用出发,针对交通图像去噪、车牌字符识别以及交通视频压缩等关键问题进行应用研究。一直以来,以寻求数字图像稀疏表示为目的的高效表示及分析方法都是信号处理领域的研究热点。在数字图像的特征表示方面,来源于数学分析、计算机视觉、统计分析以及模式识别等多个领域的多尺度几何分析理论是近年来的研究热点,包括脊波变换(Ridgelet Transform)、曲波变换(Curvelet Transform)、轮廓波变换(Contourlet Transform)、Bandelet变换和Wedgelet变换等多种方法。多尺度几何分析方法克服了传统小波变换只对水平、竖直和对角线三个方向敏感,对图像中几何结构的描述能力有限的缺陷,可以提供对图像不同尺度、不同方向的多分辨率表示。其中,脊波变换立足于图像中线奇异性的有效表示,利用Radon变换将线奇异性映射为点奇异性,然后使用小波变换来对点奇异性进行处理。鉴于道路、车牌、交通标志中大量存在的线特征,定义在离散域的有限脊波变换因其优越的线奇异特征表示能力,成为本文研究工作的基础。有限脊波变换域良好的系数集中特性为有效地区分图像内容与随机噪声提供了可能,同时基于有限脊波变换系数的特征提取算子也有望在交通字符识别中给出满意的分类效果。在数字图像的分析方法方面,近年来发展起来的基于新型采样理论的压缩感知方法日益获得广泛关注。压缩感知方法利用信号固有的稀疏特性将传统的基于奈奎斯特采样定理的采样过程转化为根据信号特征设计观测矩阵、进而最小化l1范数的优化过程,旨在通过构造超完备数据字典的方法寻求信号的最稀疏表示。研究人员利用大量训练样本构建远大于特征维数的数据字典,以待分类样本在该数据字典下表示系数的稀疏性为指标,将压缩感知理论应用到人脸识别中去。基于压缩感知理论的分类器,放宽了对特征提取的严苛要求,并且成功的解决了存在遮挡干扰下的人脸分类问题。本文以此为基础,探讨压缩感知分类器在车牌字符识别问题中的应用。另外,通过对实际获取的大量交通监控视频的分析和统计表明,交通监控图像具有视频背景固定、视频帧内区域间存在高度自相似性的特点。本论文以减少帧内空间冗余性为出发点,以交通监控视频帧内各块为单位,将视频压缩中面向减少时间冗余性的帧间运动估计以及运动补偿方法应用于帧内以块为单位的视频压缩。本论文的主要工作如下：(1)有限脊波变换算法改进及相应的基础研究在分析二维可分离小波在高维信号描述的不足的基础上,从连续脊波变换的基本理论作为切入点,介绍其基本思路及与其他变换的关系。对有限脊波变换的基本理论进行介绍,具体地,介绍有限Radon变换及有限Radon域变换方案的选择原则。在此基础上,对本文作者前期提出的基于能量的自适应有限脊波变换方案及其按列阈值的选择方法在图像去噪中的应用等进行了详细的介绍,并对目前基于有限脊波变换为特征的图像分类方法进行了总结,作为本文后续研究工作的基础。(2)基于有限脊波变换的交通图像去噪在对交通图像特性进行分析的基础上,将作者前期提出的基于能量的有限脊波变换及按列阈值算法应用到交通标志图像的去噪中；结合大量实验讨论了有限脊波变换域不同变换方案及阈值策略的去噪性能。同时针对交通图像长宽比不固定、且通常相差较远的特点,提出一种基于有限脊波变换的重叠分块去噪算法,具有运算量小且易于实时实现的优点；最后在交通标志图像数据库上的去噪实验结果验证了该算法的有效性。(3)基于有限脊波变换特征和压缩感知技术的车牌字符识别算法研究本文提出利用有限脊波变换进行特征描述并基于压缩感知技术进行车牌字符识别。具体地,本文提出利用按列首尾相接的有限脊波变换系数作为特征,并考察其在平移、噪声、遮挡等干扰因素下的特征鲁棒性。利用训练样本构建脊波字典,通过压缩感知方法解l1范数最小化问题对测试样本在脊波数据字典下展开系数的稀疏性给出分类结果。在车牌字符图像库上的仿真结果表明,所提算法具有很好的抗噪声以及抗遮挡能力。(4)基于块匹配的交通监控视频压缩本文从分析交通监控视频的场景固定、帧内相似性较强的特点出发,提出以利用静止图像中以块为单位的空间冗余信息为出发点,提出了一种基于块匹配的图像压缩算法,将传统的应用于视频压缩中的运动估计和运动补偿方法应用于静止图像以及视频的压缩中。在自然图像、可分级视频编码以及交通监控视频的大量压缩实验中均取得了压缩性能的提高,改善了编码效率。并且提出的块匹配模块可以灵活性地推广到任意编码器中。