近年来交通需求的日益增大,道路交通存在的矛盾越来越尖锐,交通的智能化是整个交通生态环境中必不缺少的一课。而其中应用最广的自动车牌识别技术更是重要的一环,为了给车牌识别提供更有质量的图像源,文章研究其中两个方面的问题,即车牌图像的可视性增强和倾斜校正。首先在车牌图像的可视性增强方面,本文主要针对图像的噪声以消除其所带来的视觉影响。在图像去噪非局部框架中,利用低秩模型的核范数最小化并将图像的先验信息用权重系数的手段体现出来。文章中利用了矩阵较大奇异值在作用上具有高优先级这一性质并给较大奇异值赋予较小权值以达到较小的收缩,提出加权核范数最小化图像去噪方法。通过实验论证,该方法在主观视觉上整体和细节都获得了较之前方法的优势,而且其峰值信噪比也得到了较高的值。车牌识别中的另一方面,图像倾斜同样是字符分割乃至识别中重要的一步。基于此,提出一种适用范围更广的基于低秩纹理变换不变性的车牌倾斜校正方法。先将车牌图像看成一个矩阵,然后利用对称规则结构的低秩特性把经过旋转、仿射等变换的图像恢复成低秩纹理。根据不同的环境条件,对随机拍摄的倾斜车牌图像进行校正,实验表明即使面对一些如无边框、车牌污染、环境光遮蔽、噪声大等恶劣条件,文章的方法也得到了出色的校正结果。文章提出了一种借助于图像整体信息进行倾斜校正的新思路,由于该方法摒弃了以往的从角点、边缘等局部特征的角度,因此具有更高的精确度和鲁棒性。实验结果也证实了文章中方法的有效性且满足整个识别系统的实时要求。