随着工业化进程的推进,雾霾天气在我国各地频繁发生,除了造成空气污染以外,其所引发的光线散射导致各类设备无法获取清晰有效的图像,在智慧交通、安防监控等领域的负面影响尤为严重。身处万物互联的时代,车牌作为车辆的“门户”,对其进行精准、有效、快速的识别在交通运输等领域非常关键。故本文针对雾霾天气下的车牌准确识别问题,通过深入地研究和大量的实验,提出并设计开发了一套广泛适用的雾霾天气车牌识别系统,系统包含以下方面:（1）雾霾等级判断功能基于深度学习针对雾霾等级判断提出新的神经网络分类模型,并通过雾霾等级图像数据集不断优化模型的各个超参数,从而获得更高的准确率,并使用开发集、测试集证明模型的各项性能,方便后续针对不同雾霾等级使用最合适的去雾方法。（2）应对不同雾霾等级的图像去雾功能根据雾霾等级的不同,通过研究实验提出针对雾霾程度严重的一级雾霾图像使用改进后的自适应Retinex进行去雾,而针对程度较轻的二三级雾霾图像使用不同参数、融合导向滤波的暗通道方法进行去雾,并使用图像清晰度性能指标与颜色直方图证明该方法的实用性。去雾后均使用自动化白平衡恢复图像色彩,且对于尺寸较小的图像,针对车牌区域进行超分辨率扩充便于后期识别。（3）多方法融合的车牌识别功能通过融合支持向量机、Haar分类器、Single Shot Multibox Detector目标识别算法以及优化Open CV与Hyperlpr库函数,并基于字符分类网络模型与大量对比实验提出了可供用户选择的平衡、快速、精确三种车牌识别模式,通过识别准确率与处理时间证明该方法的可行性及高效性,以便于应对多数环境下的车牌识别。（4）具有良好人机交互的识别系统利用PyQt设计Graphical User Interface并整合所有功能,开发了一套雾霾天气车牌识别系统,包含图像获取模块、雾霾等级判断模块、图像去雾模块以及车牌识别模块。