智能交通系统是目前世界电子信息技术在交通运输领域应用的前沿研究课题。而图像处理技术在智能交通系统的应用研究,是智能交通系统的重要前沿研究领域,具有极其重要的理论和应用价值。智能交通系统中图像处理技术是利用数字图像处理与计算机视觉相结合的方法,获得智能交通系统所需要的信息。目前闯红灯已经成为道路安全的主要威胁之一。为了克服目前用感应线圈传感器监控闯红灯的缺点,本文利用跟踪车辆的方法来判断车辆是否违章,并对违章的车辆进行牌照的识别。同时本文的算法也可以应用到其他的违章行为的判断如:逆向行驶、压黄线等。 交通监控应该在不同的环境、天气和光照条件下都能正常有效地工作,因此要做到完全的监控,就需要完善夜间道路的监控系统。在白天的环境下,本文是根据交通路口实际情况利用帧差分法来检测运动的车辆,最后通过卡尔曼滤波和邻近法来跟踪车辆,并针对各种遮挡的情况作了详细的分析及解决。由于夜晚环境与白天环境有着极大的差别,所以无法直接应用白天环境下的检测跟踪方法。本文根据夜晚环境的实际情况,提出了两种车辆的检测跟踪方法。在第一种方法中,首先检测出车头灯并作为车辆的特征标志,最后对车头灯进行跟踪来达到跟踪车辆的目的。在第二种方法中,本文提出了一种改进的Reinex算法来预处理图像以达到去除车灯光线的干扰,并提高图像的对比度。这样预处理之后使得我们可以用白天环境下的检测和跟踪方法进行检测和跟踪。实验的结果显示这两种方法都令人满意。 本文还对车牌识别的问题进行探讨,提出一种改进的基于方向区域距离测度的彩色边缘算法进行彩色边缘检测,并利用边缘颜色对的概念进一步排除非目标的边缘。在边缘检测的基础上充分利用车牌的结构、形状等综合特征进行定位。试验结果显示本文的算法能够在复杂背景下准确地定位出车牌。在定位之后,本文首先用改进的Retinex算法对车牌图像进行增强处理,以此来克服图像光照不均和提高图像的对比度,然后对车牌进行倾斜校正。最后本文提出一个模板匹配函数来进行字符分割,提高了字符分割的可靠性和实时性。