物联网作为世界信息产业发展的第三次浪潮，未来发展潜力巨大。物联网是支撑城市智能交通的重要技术。在面向城市交通的物联网环境下，通过改善基础设施、实施城市交通专用道、快速城市交通、轨道交通等多模式，应用先进信息技术，城市交通得到了快速发展，对城市居民出行发挥了重要作用。面向智慧城市交通物联网的图像数据是大数据，基于该大数据，从系统工程的视角出发，在分析交通规划的影响因素及城市交通能力及运行现状调查分析的基础上，可以建立城市智慧化的交通调度系统，对智慧城市的建设具有十分重要的意义。鉴于此，我们在分析了现有的图像去噪、压缩编码以及图像合成方法的基础上，研究了对应的新方法。本文的主要创新工作如下。
　　提出了一种压缩感知图像采集新方法和智能去噪的方法。基于压缩感知理论，在随机间距稀疏矩阵的基础上，设计了链式数据采集方案，设计一种随机间距稀疏循环矩阵，从而大量减少了网络中的数据传输量;设计了一种球坐标域内的小波收缩去噪算法，该算法中设计了一种新的收缩函数，能够更快地趋近真实的小波系数值;同时设计了一种小波域模积，它能够更精准地映射相关的小波系数，起到去噪更佳的效果。
　　提出了一种基于自适应传输的图像智能编码的方法。为了实现图像自适应传输的目标，我们分析了AODV路由协议和其采用的路由判据的缺陷，设计了一种路由判据，综合考虑了节点负载度、链路的闲忙度和ETX三者对图像自适应传输的影响，并以此为基础，设计了一种路由协议EAODV;在传输过程中，我们提出了一种图像编码方法，该方法在编码时，能够更好地预测其它等待编码的系数，同时采用新的编码策略实现对高频部分的处理，显著地提高了相应的压缩比。设计的压缩感知图像智能编码新方法避免了传统算法的重复搜索匹配问题，且能够达到较大的压缩比。
　　提出了一种基于模糊神经网络学习策略的图像合成方法。该方法利用了神经网络的学习能力强等特性，同时利用了模糊理论具有的对非精确数据包容、可以利用专家知识等优点，对要合成的图像进行聚类、模糊化处理，从而使每一个像素都获得一个隶属度矢量，最终实现图像的像素级合成。在图像合成时，我们用相关性原理缩小了搜索范围避免了穷尽式搜索，同时引入梯度结构信息，利用直方图的相似性度量来自适应地确定图像块的尺寸，能够保证合成图像的结构性和随机性。该方法可应用于城市交通中的多源图像合成，具有合成速度快、效果好、满足实时性要求等优势。
　　通过大量的实验测试，结果表明，我们提出的上述方法非常适用于面向城市交通的物联网应用环境，具有很强的理论意义和实用价值。