智能交通系统共用信息平台是现代交通系统的中枢神经,在整个交通系统中起着监控、调度、指挥、规划等功能。交通信息采集技术是构建智能交通系统共用信息平台的基础,其技术上最关键也是最复杂部分是车辆的自动检测识别技术。利用机器视觉代替人工视觉进行目标提取、识别,其兼具机器连续工作优势和人类部分认知能力,因此,基于视频的车辆自动检测识别技术逐渐成为该领域研究的主流。在过去的数年中,本实验室进行了大量的研究工作并构建了一套完整的基于图像背景差分的车辆检测算法框架,实践表明,该算法在简单交通场景中表现良好,但针对复杂环境的检测效率和精度均有待提高。针对复杂环境下的检测,前期研究者也提出了一些策略,但主要是以图像的灰度特征为对象进行处理。而图像的几何形态特征基本不受外界环境的影响,若将图像的灰度特征和几何形态特征结合起来进行分析,必将提高算法的准确性和适应性。本文详尽分析了前期算法在实际应用中存在的几个问题,提出以数学形态学和小波分析为基础的理论研究方向,着重对交通图像处理中的去噪滤波、粘连目标分割、目标车辆匹配跟踪等关键算法进行了研究。实验结果表明,本文提出的各种算法是实用有效的。针对交通图像中因生成背景质量差、环境光变化、阴影过消除等因素引入大量噪声的问题,提出一种建立在图像连通分量的延展度度量上、基于轮廓结构元素的新型CS形态滤波器。针对噪声和图像细节信号在形态上的差异,合理利用延展度的概念对其进行区分,这使得CS形态滤波器具有很好的细节保护能力;定义了一个基于轮廓结构元素的形态学击中运算,不同于传统形态开、闭滤波组合一次仅处理一种噪声,该运算可实现对正、负噪声的同步消除;轮廓结构元素的形态学击中运算以图像中的连通分量为处理对象,一旦检测到满足噪声条件的某象素点,即可提取出包含该点的整个噪声区域,是一种基于区域处理的滤波方式。该CS形态滤波器弱化了形态运算对结构元素形态的依赖性,由于采用了区域滤波方式,运算效率大大提高。实验结果表明,CS形态滤波器在对图像噪声进行有效抑制的同时可以完整地保留图像中的细节信号不受损失。针对CS形态滤波器滤波效果受噪声大小和噪声周边环境影响的问题,提出将形态小波与CS形态滤波器相结合的改进方案。形态小波结合了小波所具有的线性与形态算子的非线性,可以同时对图像的时一频特征和形状形态特征加以描述。本文将形态小波与CS形态滤波器相结合,以对CS形态滤波器的噪声抑制性能和其多尺度结构元素迭代滤波实现方面进行改善。形态小波对图像的多分辨率分解特性,使得图像中噪声信号的能量和形态被多方向分解,更容易满足CS形态滤波的条件,因此对形态小波分解后的图像采用单结构元素进行CS形态滤波运算得到的结果,可以媲美于采用多尺度结构元素进行迭代滤波的结果。实验结果表明,将两者结合后滤波效果得到进一步改善,具有更强的适用性。针对差分算法提取的车辆目标完整性差的问题,结合交通车辆具有凸边界形态的特征,提出一种基于二级击中的图像凸壳重建算法。实验结果表明,该算法在没有改变目标外形凸凹性的前提下,对于二值图像,实现了对目标的内部空洞及其边缘上的多方向凹形的填充;对于灰度图像,实现了将目标内部及其边缘上过暗的平坦区域和纹理逐步合并到周围的亮区域中。针对交通场景中阴影投射和车辆遮挡造成的车辆目标粘连问题,通过合理集成凸壳重构、距离变换、分水岭变换等算法,提出了一种兼顾灰度明暗分布特征和形态分布特性的对图像中粘连目标进行分割的有效方法。该方法使用目标凸壳重建和灰度尺度分级运算对图像进行重建和平滑处理,使目标内部灰度更均匀而易于分割;将平滑灰度图像进行二值化,利用距离变换为粘连目标提取出各自唯一的形态标识,这是粘连目标在没有足够灰度差情况下仍能被识别的前提;最后将平滑灰度图和二值形态标识图作为分水岭算法的输入完成图像分割。实验结果表明,只要图像中粘连目标具有足够灰度差或者具有一定的连接曲率,就可以被分割分离出来。针对交通图像中由于景物遮挡、过强或过弱光照造成的灰度累差匹配方法鲁棒性差问题,提出一种基于形态尺寸度量的匹配算法。该方法通过度量目标间灰度差集的形态尺寸来考察目标的匹配程度,不仅考虑了图像之间的灰度差异,还考察了图像灰度差异集合的几何特征,与经典匹配算法相比鲁棒性大大提高。在进行形态尺寸计算时,采用灰度函数的阈值分解策略,将灰度形态学运算转化为二值形态学运算,使算法能更简便有效地实现,大大减少了运算量。另外,采用了快速区间逼近策略加快了计算速度。实验结果表明,基于图像差异集合的几何特征和形态尺寸度量的图像匹配策略大大加快了匹配过程,能准确匹配噪声图像和遮挡图像,具有很高的可靠性和稳定性。最后,针对目前国内满足实际应用需求的交通车辆实时检测系统较少,设计并实现了一个基于高性价比DSP—TMS320DM642硬件平台的嵌入式交通车辆自动检测系统,对其硬件构架、算法流程及其实现技巧进行了较详尽的论述。