车标是车辆的显著标志,代表性强,不容易损坏或篡改。车标识别在智能交通系统、智慧城市、智能驾驶等领域均起到非常重要的作用。在实际智能交通系统中,由于部分车标的车辆出现较少,这些车标的样本难以获取,而大量车标样本的采集费时费力,因此,小样本情况下的车标识别仍然具有十分重要的意义。鉴于此,本文针对实际智能交通系统中获取的车标图像进行研究,由于实际车标图像分辨率小,受环境影响及各种噪声的干扰,图像质量低下。因此,本文试图从增强车标特征的角度出发,对车标识别进行研究。提出了两种车标特征增强方法,即基于HOL特征增强的车标识别方法,以及基于结构相似性和局部特征增强的车标识别方法。本文的主要工作总结如下:(1)对已有车标识别方法进行总结和分析:综述了基于传统特征描述子的车标识别方法和基于深度学习的车标识别方法,并对相关特征和算法进行了简单介绍和分析。(2)提出了基于HOL特征增强的车标识别方法:结合图像的局部特征信息,提出了一种基于HOL特征增强的车标识别方法,该方法可以充分地提取车标图像的全局和局部特征,增强图像特征的表达,在实际场景中以较少的训练样本达到较高的识别率。(3)提出了基于结构相似性和局部特征增强的车标识别方法:结合图像的显著性特征和车标的结构特性,提出了基于结构相似性和局部特征增强的车标识别方法,该方法通过提取图像的整体特征、局部显著块特征和结构相似性特征来增强图像有效信息的表达,并在大量的实验中取得了较好的效果。