智能交通(Intelligent Traffic,IT)作为快速发展的城市交通现代化管理的重要手段,受到极大关注,同时它也与互联网一道成为未来现代化城市交通的发展方向。作为智能交通系统的一项关键技术,车辆的目标跟踪技术直接影响到系统对车辆行为的判断、分析和处理。在交通视频中阴影是普遍存在的,无论是白天的阳光照射,还是夜晚的照明设备照射,都会产生阴影。尽管在实际应用中这些阴影的作用是多样的,比如有时阴影可以作为一种有用信息对车辆的检测算法进行支撑,但大多数情况下阴影被认为是对车辆目标跟踪、分割和信息统计的一种干扰,阴影的出现通常会极大地干扰车辆目标几何形状参数的提取和度量,以及对目标的跟踪、识别和判断。如何有效地检测和去除交通场景中阴影成为智能交通领域的一个热点和难点问题。本文首先对交通场景中存在的阴影问题进行介绍,并对阴影的数字图像特征进行深入分析,同时对现有阴影检测和去除方法进行归纳和总结,在此基础上对交通场景中车辆运动阴影与车牌阴影的检测和去除方法进行研究。主要创新点表现在以下两个方面:1.提出一种基于零树小波掩模的交通场景运动车辆阴影检测与去除方法,首先将含有噪声的运动前景图像转换到HSV颜色空间,然后对S通道和V通道进行多级下采样小波变换,通过构造运动前景的零树小波掩模,将不同尺度子带间的系数相关联,使各精细尺度子带掩模的值能够得到父子带系数的指导和校正,提高了子带自适应阈值的准确性;进一步通过结合阴影的颜色特征,提高了判断区域车辆与阴影的区分度。所提出方法很好的解决了传统方法对强阴影以及车辆、背景和阴影灰度相似情况下易产生误判的问题,提高了阴影和车辆区域的区分精度。2.在交通场景中,车牌上的阴影容易对车牌识别算法产生影响,从而导致车牌识别错误率的提高。针对静态单幅图像的车牌阴影问题,提出一种结合K-means聚类和RGB颜色补偿的车牌阴影去除方法。该方法首先将车牌的RGB颜色进行归一化处理,然后将灰度的二值化问题转换为多维空间内的分类问题。有效地解决了传统的全局阈值难以正确区分字符和阴影问题,以及基于分块方法的局部阈值所存在的块效应以及残留噪声问题。大量的仿真实验验证了所提出两种算法的有效性。其中基于零树小波的运动车辆投影检测和去除方法可以有效的分离运动车辆和投影,具有较高的阴影识别率和检测率;车牌阴影去除方法有效的解决了实际应用中车牌的阴影问题,对提高后续算法对阴影覆盖车牌的识别奠定了基础。