智能交通将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用到整个地面交通管理系统，建立了一种在大范围、全方位、实时、准确、高效的交通运输管理系统。它有效地利用现有的交通基础设施，减少了交通负荷、保证了交通安全。交通视频检测技术作为智能交通的关键技术，能够全面、自动地获取交通场景信息，被广泛应用于道路交通数据采集、交叉口控制、交通事故处理、远程视频监控等领域。然而，由于交通场景的特殊性，容易受到雾、雪等不利天气的干扰，致使视频图像对比度降低、边缘模糊、图像质量下降，直接影响了大多数视频检测算法的执行，因此，有效的图像去雾算法对交通视频检测技术是至关重要的，另一方面，在均质雾天中，交通视频图像本身暗含了场景距离信息，这些距离信息的有效提取对交通视频检测技术有重要意义。　　本文结合计算机视觉、模式识别、图像处理、大气物理学等理论，主要研究了与智能交通密切相关的天气识别方法、视频图像去雾技术、摄像机动态标定技术、交通能见度检测方法、固定摄像机下的平均车速估计、车载摄像机下的前车间距检测以及交通场景三维重建等。本文的主要研究工作如下:　　(1)基于视频图像的天气识别方法　　鉴于人工观测的天气识别方法在规范性、客观性等方面的缺点，本文提出了基于多特征融合的天气识别方法以及基于交通视频背景差分图像特征提取的天气识别方法。前者提取单帧视频图像的线扩散函数跨度值、功率谱斜率、边缘梯度能量、对比度、饱和度以及图像噪声等特征，以径向基核函数构造支持向量机(SVM)并训练分类器，提取待识别图像的特征，输入分类器输出识别结果，实验表明该方法对应用场景无特殊要求，识别正确率高，适用范围广。第二种方法主要应用于交通固定场景，通过采集不同天气下的视频图像生成各自背景，将晴天背景与其他天气下的背景相减得到差分图像，提取差分图像的线扩散函数跨度、功率谱斜率、边缘梯度能量、图像噪声、对比度、饱和度、纹理以及Hu不变矩特征形成样本集，利用K-NN分类器识别当前天气状况，实验结果表明该方法达到了较高的准确度，满足视频的实时性处理要求。　　(2)基于暗原色先验原理与区域分割以及基于模糊对比度增强的图像去雾为提高雾天交通视频图像的质量，提出了两种图像去雾方法。分别是基于暗原色先验原理和天空区域分割的图像去雾以及基于混合进化算法优化模糊对比度的图像去雾方法。前者利用雾天下的光线传输模型、暗原色先验原理以及天空区域自动分割算法估计场景透射率，通过软抠图算法细化透射率值，实现图像去雾。通过WILD数据库测试该去雾算法，包括一般户外场景与交通场景，去雾前后的图像评价数据证明了算法的有效性。将粒子群优化算法引入图像对比度增强中，结合遗传算法提出一种基于混合进化的去雾方法。首先将雾天图像由RGB空间转换到HSV空间，并利用高斯隶属度函数模糊化图像，通过隶属度函数与渡越点距离算子定义图像的模糊对比度、模糊熵以及视觉因子，得到待优化目标函数，最后通过混合进化算法选择参数，实现了图像对比度变换的自适应性，图像质量评价函数证明了该算法的有效性。　　(3)基于均质雾天交通模型的交通摄像机动态标定　　结合均质雾天下的光线传输模型、暗原色先验原理以及线性摄像机模型本文提出一种新的雾天交通模型，并利用该模型实时、动态地标定交通摄像机。模型不依赖于场景中先验信息，如车道线长度等。标定算法首先生成并更新背景及场景活动图，提取路面以及天空区域的纹理特征，搜索场景中的感兴趣区域，根据感兴趣区域的像素变化判定当前天气是否为均质雾天;其次，根据场景活动图提取路面区域，计算场景透射率，将场景透射率映射到[0,255]作为图像显示;最后，结合均质雾天光线传输模型、摄像机线性模型以及暗原色先验原理推导标定方程，选取路面上具有特定透射率的八个点生成两个一次方程、一个二次方程以及一个三角方程，依次标定摄像机参数，通过多帧平均计算摄像机参数的准确值。实验给出了场景标定点搜索结果、方程生成结果以及摄像机参数标定结果，并与几种典型的摄像机标定算法做了比较，结果表明本算法具有稳定性、实时性等优点，适用于利用均质雾天交通摄像机的实时标定，具有广阔的应用前景。　　(4)基于图像拐点与车道线提取的道路能见度检测　　为克服基于能见度仪等特定设备的能见度检测检测费用高、安装复杂等缺点，提出了基于图像拐点与车道线提取的道路能见度检测算法。首先，生成并更新背景以及场景活动图，根据路面以及天空部分的纹理特征，搜索场景中的感兴趣区域，在感兴趣区域内逐行计算平均像素，利用多项式拟合像素并计算拟合曲线的二阶拐点;其次，在摄像机线性模型的基础上结合雾天光线传输模型得到场景光线与图像平面纵坐标之间的函数关系，通过二次求导得到能见度计算公式。利用Hough变换、Harris角点检测提取车道线以及上下端点，结合车道线长度以及场景消失点标定摄像机;最后，利用拟合曲线的二阶拐点以及摄像机参数计算雾天消光系数，根据国际照明委员会(CIE)给出的能见度定义计算场景能见度，实验给出了三个不同视频场景的能见度检测结果，并将结果与其它方法做了比较，实验表明，算法稳定性好、检测准确率高。　　(5)基于固定摄像机的车辆速度估计、车载摄像机的前车间距估计以及交通场景三维重建　　为有效利用雾天交通场景下提取的距离信息，提出了基于固定摄像机的平均车速估计、雾天下车载摄像机的前车间距估计以及交通三维重建算法。基于固定摄像机的平均车速估计需要在雾天下计算场景距离，但由于场景距离的不变性，适用于其它任意天气下的车速估计。算法首先利用伸缩窗提取车道线，计算场景中各点的透射率，结合车道线长度得到并保存场景中各点到摄像机的距离。利用基于反馈的混合高斯模型生成提取前景车辆，根据Camshift算法实时跟踪车辆，结合车辆质心、场景距离信息、车辆行驶时间计算平均速度。通过与其他车速检测算法的比较实验证明了本文算法的有效性。雾天下车载摄像机的前车间距检测与上述方法类似，通过adaboost算法训练分类器用于识别前方道路车辆并保存车辆质心坐标，提取车道线并逐帧计算场景距离结合前车质心坐标，得到前车间距。另外，本章结合摄像机坐标变换与雾天距离信息实现了交通场景的三维重建，算法对路面区域直接计算三维坐标，对非路面区域通过联立摄像机变换方程场景距离方程计算三维坐标，最后重建交通场景，对比现有研究水平，采用本算法重建的交通三维图像效果较好。　　本文的研究工作得到了国家自然科学基金项目(61079001)和国家高技术研究发展计划(863计划)(2011AA110301)的支持。本文的研究成果为雾天等不利天气条件下的交通指挥、诱导系统等提供全面、准确的基础数据，可以提高交通管理的效率和现有路网的通行能力和服务质量，改善交通状况，减少雾天等不利天气给人民生命和财产带来的损害。