21世纪以来我国经济的快速发展及社会环境的变化,使得交通管理系统中车牌识别技术在我们日常生活中掀起了浪潮。车牌识别技术需要处理各种条件下的车牌图像,尤其对于特殊环境下采集的图像需要我们更加深入的研究,如现在的雾霾天气的持续增加,不能清晰的识别车牌号码;傍晚时由于光线变暗不能清楚识别车牌图像等难题,环境的复杂性及所需处理车牌图像的多样性,需要我们研究出更加实用的车牌识别技术在交通系统中得到应用,以对日益严重的交通问题得到缓解。日益严重的雾霾天气、黄昏天气拍摄到的车牌图片清晰度很差,甚至导致颜色信息丢失,造成我们对车牌图像的识别率极度下降,针对以上两种特殊环境下的车牌图像对图像进行了以下深入研究:1)针对深度雾霾、黄昏环境下的车牌图像清晰度非常差的问题,提出了改进的Retinex算法(五尺度Retinex算法)对图像进行增强。首先用传统的Retinex算法对车牌图像进行处理,针对传统算法的缺点,创新性的提出了五尺度Retinex算法,并将该算法中的中心函数加以改进,实现了车牌图像的颜色恢复,减少了图像的处理时间及运算的复杂度和运算量。2)针对改进的Retinex算法不能很好的完成图像的边缘增强效果,首先创新性的提出了改进的Retinex算法与双边滤波及幂函数相结合的图像增强算法,利用三者的边缘保持特性,对车牌图像进行了颜色增强及边缘保持,达到了比较理想的效果,但是双边滤波对图像处理时间比较长,然后创新性的提出引导滤波与改进的Retinex算法相结合对图像进行预处理,创新性的结合,节省了处理时间,并且边缘信息得到了一定程度的提高,对特殊环境(雾霾、黄昏)下的车牌图像有了较强的增强效果,为接下来的车牌定位技术做好铺垫。3)针对车牌定位问题,首先创新性的使用Adaboost算法与颜色特征相结合的车牌检测方法,能够精确的定位出车牌区域,但是Adaboost算法处理时间太长,实用性比较差,然后创新性的采用了基于小波模极大值灰度跳变算法进行车牌定位,对车牌定位处理时间大大降低,并且还能够精确的定位到车牌区域。4)针对车牌字符识别问题,采用目前国内外常用的比较成熟的BP神经网络字符识别算法,实验证明,使用引导滤波与改进的Retinex算法对图像进行图像边缘细节加强处理,然后采用小波模极大值和灰度跳变相结合的算法对已处理的车牌图像精确定位,大大提高了的车牌字符的识别准确性。