随着数字摄像机的和计算机技术的大量普及,基于计算机视觉的应用蓬勃发展,在这些计算机视觉的应用中,视频交通监控技术受到人们的广泛关注。但现有的户外监控系统对自然光有很强的依赖性,而且容易受自然界中的各种干扰的影响。我们提出一个能在雨、雪、雾等复杂天气条件下工作的新型交通监控系统,我们认为自然界中的雨和雪对于图像来说是一种噪声,而雾天对应的是图像对比度的下降。则交通监控系统应配备强有力的噪声消除和对比度增强功能。本文提出了基于Curvelet shrink的自适应WRAPPING算法用以消除图像噪声。作为新兴的多尺度的图像处理算法之一,曲波变换以其对各项异性曲线的稀疏表达的优势,使得在图像去噪领域应用广泛。在图像去噪和增强领域,曲波比小波方法更有优势。本文改进了传统WRAPPING算法的阈值方法,图像的曲波系数在一个规定的窗口模板内进行阈值萎缩,此法能显著提高峰值信噪比(PSNR),最多能提高8-10dB。与小波硬阈值和软阈值方法的对比实验显示,本文方法无论PSNR还是主观视觉效果都有显著提升,其重建的图像边缘保持良好。本文的另一亮点是提出了基于感兴趣区的小波边缘检测算法和基于亮度信息的前景目标分割中的阴影消除算法。对于前景目标的阴影消除是计算机视觉中的公认难题,本文先对感兴趣区(ROI)进行2-D Haar小波变换,然后将ROI区域从RGB空间转换到HSI空间,则阴影部分对应的是小波系数模极大值小(对应边缘较少)且亮度较低的区域。实验结果显示本文方法能有效地消除目标阴影。在图像分割后,下一个重要问题就是对目标的跟踪。本文提出了基于三状态的改进Kalman滤波的车辆跟踪算法,通过定义最大近邻距离(MCD)模板及相关匹配准则,有效地克服了目标跟踪过程中的遮挡问题造成的目标丢失问题。