车流量检测是智能交通控制系统的一个重要部分。通过对道路车流量的实时检测，得出交通状况和交通信息，并据此做出信号控制来指挥交通，从而可以减轻道路拥挤程度，提高交通设施的利用效率，保证整个交通系统的高效流通。 受外界环境影响，实际采集的车辆图像大都含有噪声。本文研究了一种基于最大均匀性的改进中值滤波算法，该算法能对图像混合噪声进行有效的抑制。其中心思想是找出环绕图像中每个像素的最均匀区域，用这个区域的灰度中值替代该像素原来的灰度值。相比传统的滤波算法，改进的基于最大均匀性的中值滤波算法在抑制噪声保证图像质量和保留目标边缘信息方面都有很大的优越性。 由于本系统是对多车道路面进行车流量检测，所以首先必须要进行车道标志线的识别划分，然后再分别计算各个车道的车流量。Hough变换是一种能够有效地检测直线的方法，但要求图像清晰，车道标志线明显。本文对传统Hough变换进行改进，得到一种基于模糊理论的车道标志线检测新算法，该算法将模糊集和动态聚类分析的思想引入到Hough变换算法中，从而获得直线的精确定位，提高了系统的智能化程度，并且能适应不同环境下的车道划分。 通过对传统的车流量检测方法的技术特点和优劣势的分析与比较，本文采用一种针对局部图像的帧差法和边缘检测相结合的车流量检测方法。帧差法对于运动车辆检测具有较好的效果，但是对于静止或缓慢运动的车辆检测作用不好，漏检率高；而边缘检测正好克服这一缺点，能够解决静止车辆检测问题。针对局部图像的帧差法和边缘检测相结合车流量检测方法能提高运算速度，保证系统的实时性，提高检验正确率。