在现代智能交通系统中,电子车牌标识已成为其核心,并广泛应用于人们的生活中。车牌标识系统一般包含了车牌定位、字符划分和字符标识三种主要功能,车牌定位作为智能交通系统的第一个环节,其位置定位的正确与否将直接决定后续划分、标识操作的结果。但在现实场景中,受到雾霾天气的影响,抓拍装置收集到的车牌画面出现反差、清晰度退化等情况,这造成车牌定位的准确度和鲁棒性大幅度降低。为了进一步提高雾天条件下车牌定位的准确度和鲁棒性,本文将对图像去雾技术和车牌定位技术进行研究。本文的主要研究工作如下:图像去雾:针对当前使用暗原色先验等去雾算法的处理结果在强光区如天空、白车身等有失真,以及处理后的图像颜色偏暗等问题,首先使用局部熵将原图像重新划分为天空和非天空两部分,然后分别求它们的透射率,并修正了失真域的透射率,最后使用暗原色先验模型还原出无雾图像;并且使用经过改进的增强方法对恢复的图像加以了亮度调节。经实测结果表明,所提方法在恢复出的图像中,清晰度与亮度均更好,为后期车牌定位工作提供了更优质的原图像源,从而大大地提高了车牌定位的精度。车牌定位:针对雾天环境下,提出一种基于颜色特征与单演相位一致性边缘检测相结合的车牌定位算法。首先,将还原出的车牌图像映射到HSV颜色空间;然后,根据车牌的几何先验特点,对各颜色分量做阈值化操作,并融合为HSV二值图像,再通过形态滤波和投影分析法定位车牌。实验结果显示,该方法可以精确定位最常见的蓝底车牌。当基于颜色特征方法对车牌颜色同车体颜色接近的车牌定位失败时,则采用单演相位一致性边缘检测法来定位车牌。首先对相位一致性模型进行改进,即用Riesz变换代替Hilbert变换,得到单演相位一致性模型,然后利用该模型提取车牌图像的边缘,并对结果做二值化处理,最后结合形态滤波实现车牌定位。实验结果表明,该算法在提取图像边缘特征时,不受图像对比度和亮度的影响,可以准确、稳健地定位车牌。最后,对于定位成功的车牌,若有倾斜的情形,则采用低秩纹理变换不变性模型进行矫正。实验结果表明,所提方法的矫正效果非常理想,并且具有很强的抗干扰能力。此外,基于MATLAB GUI搭建雾天环境下车牌定位系统,通过仿真测试表明,该系统可以便捷地实现人机交互和数据可视化。