近年来,随着人民生活水平的提高,汽车成为家庭的重要交通工具,智能交通管理是城市管理的重要内容。另外,由于经济发展迅速,大气污染导致雾霾天气时常发生。雾霾的存在给智能交通管理中的车牌识别带来了困难,因此研究雾天车牌识别问题具有重要价值。本文主要从图像去雾、车牌定位、车牌字符分割与识别三个方面进行研究。图像去雾:研究了暗原色先验、禹晶方法去雾。针对两种方法处理雾天图像偏暗以及采集图像光照不均的问题,提出将小波分解重构与同态滤波算法结合解决此问题。首先,利用暗原色先验算法对图像初步复原;然后,使用小波变换提取低频分量;其次,使用同态滤波对低频分量增强;最后,利用小波重构图像。实验结果显示,融合之后的算法能够增强图像细节以及亮度,具有一定的精确性及实用价值。图像定位:介绍了车牌定位前一系列预处理。对车牌预处理主要研究了车牌增强方法、边缘检测方法、二值化、车牌去噪。着重对比了各种阈值下的小波以及中值滤波去除高斯噪声的效果。研究了基于数学形态学、投影、区域合并的车牌定位方法。首先,图像灰度化;然后,对灰度图像进行增强特殊预处理;其次,利用数学形态学创建矩形结构,并运用相关运算排除非车牌区域干扰;最后,利用投影方法粗略估计车牌可能存在的区域,并合并相关区域,根据长宽比例阈值找出车牌区域。实验结果表明,该方法取得了良好的定位效果。车牌字符分割与识别:研究了车牌校正以及字符分割方法,阐述了SVM的相关理论,研究了车牌特征提取的方法以及基于ECOC与SVM车牌识别的方法。字符特征提取研究了基于Hog特征提取的方法。将提取的特征代入ECOC与SVM分类模型中训练及预测。最后,采用本文方法针对雾天以及晴天环境进行车牌识别,并与其他方法进行了对比。仿真结果表明,本文方法取得了较好的识别率。