近年来,智慧城市的发展受到越来越多的关注,车牌识别技术作为智慧交通领域中的一项新型技术,已在高速公路管理、停车场管理、交通侦查等场景中得到了大量的应用。但是关于车牌识别的研究发展至今大部分却只能在天气较好的环境下下对车辆进行识别工作,而一旦出现雾天环境,光很容易被散射和吸收,导致图像变质致使最终识别结果准确率低下,进而导致车牌识别无法完成。车牌识别在雾天的识别效率对于准确度与实时性都要求较高的交通执法都极为重要,所以实现去雾型车牌识别的系统是目前车牌识别技术面临的首要任务。目前,图像处理算法已经逐渐成形,但对雾天下的去雾车牌识别算法的研究仍不够成熟,例如图像去雾算法颜色恢复较差且不能与车牌识别系统很好地结合、车牌定位效果较差、图像降质导致字符识别率低等。因此本文通过对近年来出现的各种图像增强技术的研究,深入研究了多种Retinex算法在图像处理中的应用,着重研究基于局部特征的Retinex算法,采用一种基于HSV颜色空间的多尺度Retinex算法设计实现一种新型的雾天的车牌识别系统。系统实现步骤主要如下。首先,通过车牌检测和左右回归算法分离出运动车辆区域,抓取车辆图片;其次,采用HSV-MSR算法对图像进行去雾增强;然后,再利用连通域分析算法实现车牌定位,再通过顶帽变换、二值化以及垂直投影法实现车牌的字符分割,最后建立三层BP神经网络框架完成字符识别,基于Microsoft Visual Studio并结合Open CV设计实现去雾型车牌识别系统,本文深入探索了各种Retinex算法的优劣势与颜色空间对图像分析的重要作用。最后利用HSV颜色空间的保持色调不变的方式经过MSR算法实现了雾天环境下能够对车牌进行精确识别的去雾型车牌识别系统。经过系统的功能与性能测试以及去雾算法的效果测试,证实了去雾型车牌识别系统能够满足预期的要求,能在智能交通领域具有一定的应用价值。