21世纪是公路交通智能化的世纪,智能交通系统是交通事业发展的必然趋势。智能交通系统可以有效利用交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率,受到世界各国的重视。作为智能交通系统的重要组成部分,车牌检测技术成为人们研究的热点。车牌是每辆车的“身份证”,通过对其进行检测识别,就能得到每辆车的详细信息,利用这些信息,人们能够对车辆进行交通智能化管理。车牌定位作为车牌检测技术的关键步骤之一,一直受到广泛的关注。现今,车牌定位算法的研究日趋成熟,算法多样,定位准确率得到很大提高,基本能满足一般环境条件下的定位要求。但在某些特殊情况,尤其是雾天环境下,由于图像质量下降,导致车牌定位效果较差,严重影响车牌检测系统的正常运行。图像去雾现已成为雾天车牌定位的一个重要问题,亟待得到人们的解决。本文深入研究国内外图像去雾和车牌定位算法,对各算法优缺点进行分析总结。在此基础上,提出了适合本课题研究的算法—新暗原色先验图像去雾和边缘形态学二步车牌定位算法。对于图像去雾问题,对He等人提出的暗原色先验算法理论进行充分研究,在此基础上,提出了新暗原色先验图像去雾算法。针对原算法内存消耗大,处理时间长的弊端,采用双三次插值法进行处理；对图像明亮区域去雾后易出现偏色现象的问题,采用变差法进行校正；对去雾后图像亮度偏暗的问题,引入直方图均衡化法进行优化。试验结果表明,新算法不仅比原算法内存占用小(只有原算法的万分之一),提升了原算法的运算速度(平均每张图片处理速度为6秒),并且解决了图像偏色问题,图像视觉效果更佳。对于车牌定位问题,本文将传统的基于边缘特征的车牌定位算法与数学形态学图像处理方法相结合,提出了边缘形态学二步车牌定位法。此算法将传统的车牌定位方式(直接对车牌进行定位)分为两步进行：先进行车辆区域定位再对车牌区域定位。通过对实际路口的车辆抓拍图像进行试验,结果表明,此算法不仅能显著提高车牌定位准确率(对50张试验图片的定位成功率达到95%以上),同时具有较快的定位速度(平均每张图片的定位速度为15秒左右)。基本达到了实际应用要求。