近年来,我国频繁发生雾霾等恶劣天气。在雾霾天气中,由于大气光散射效应的作用,图像采集设备获取到的车牌图像产生了严重退化,即车牌图像的表面覆盖一层雾气,并且模糊不清和颜色信息大量缺失,这些因素严重影响了智能交通系统的有效性和可靠性。因此,课题对雾霾天气下的车牌识别技术展开研究,解决雾天条件下车牌识别率低等问题,从而提高智能交通系统的功能完整性和可靠性。雾霾天气下,影响车牌识别效率和正确率的因素较多,这些因素主要为图像中雾气的存留程度以及车牌图像的分辨率。因此,本文从如下几个方面进行深入研究:（1）雾天车牌图像的去雾算法利用非局部TGV正则化的方法对图像初始透射率进行修正,并将二阶的非局部正则器作为正则项,以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性,随后将修正细化后的图像初始透射率带入到边窗盒子滤波器中得到准确的传输图,解决中间处理步骤所产生的扰动。最后利用大气散射模型和约束条件复原出无雾的车牌图像。通过两方面评价实验,说明所提算法的去雾效果。（2）车牌图像的超分辨率重建算法对雾天图像分辨率以及颜色等信息进行分析。在车牌的Cr、Cb通道图上,利用基于高斯核函数的插值方法对上采样的通道图像进行插值处理,补全其空缺的高分辨率像素。在车牌的Y通道图上,利用图像的低秩属性对车牌进行复原,并与各算法进行重建效果对比。（3）车牌定位算法通过对边缘检测和数学形态学进行分析,将改进的边缘检测算法与数学形态学运算相结合,实现雾天车牌的定位。针对车牌出现倾斜和边框多余的问题,采用Hough变换算法对倾斜的车牌进行校正。通过计算跳变次数和区域扫描像素值累加和去除车牌的上下和左右边框。（4）车牌分割与字符识别通过设计车牌对应的模板,实现对多种类型车牌字符的分割。利用改进Le Net-5的车牌字符识别网络模型,通过修改卷积的层数、激活函数和输出类型等措施,设置Le Net-5网络模型中的参数,从识别正确率及耗时等两个方面与SVM算法和经典Le Net-5网络模型算法进行对比试验。（5）雾天车牌识别系统软件开发根据本文提出的图像处理算法,设计雾天车牌识别系统软件。其主要包括单一识别操作和快速识别操作两部分,可以实现对雾天车牌的快速识别,以及获取中间步骤的算法处理效果。最后,利用设计的雾天车牌识别系统软件对户外拍摄的雾天车牌图像进行功能测试,测试其识别效果和正确率。