随着国家经济的飞速发展和人民生活水平的逐步提高,以图像信息为载体的计算机技术和多媒体技术得到了高速的发展。交通监管领域越来越侧重于用视频、图像等数据信息来解决实际问题,如:道路的车流量统计、车辆的违章判断等等。但是由于恶劣的天气环境、低照度或过度曝光的外部环境影响,经常导致所拍摄的图像过度灰暗并且细节丢失严重,因此如何有效地解决这一问题成为交通监管领域的重中之重。由于传统的直方图均衡化在处理的过程中是以牺牲部分灰度级为代价去换取对比度的扩展,因此会导致一些图像细节的丢失并且容易形成伪轮廓,为了应对这一不足点本文提出基于边缘的直方图增强算法,经过该算法增强后的图像灰度级分布更加均匀,能够更好地扩展图像的动态范围。该算法首先将图像转换到HSV颜色空间并且提取出V通道的颜色信息,接下来对V通道图像的边缘图像进行完全直方图均衡化,就能够得到边缘图像映射函数,最后将此函数作用于全局图像。文章后半部分主要研究分析车辆的检测部分,通过对比分析,本文采用了更加高效、灵活的HOG特征和SVM分类器来对车辆进行检测,其中的工作内容主要包括样本的预处理、HOG特征的提取、SVM分类器的训练等,最终结合本文中提出的图像增强算法对原始低照度、低分辨率图像进行增强处理,将增强后的图像进行分类检测。最终的实验结果表明,经过图像增强后的原始图像在主观视觉上会有更好的表现力,图像度对度可以得到较好地增强,尤其是在图像中物体边缘轮廓对比度和亮度方面上,也可以很好的在增强彩色图像细节的同时保证图像色彩的自然度。在车辆检测方面,经过图像增强后的车辆检测识别率有一定范围的提升,这一研究结果对于实现智能化交通有着极其重要的意义。