近年来随着智能交通系统与遥感技术的发展,遥感图像中的车辆检测技术受到越来越多关注。在晨昏时刻或天气恶劣情况下,由于光照等影响我们获取的遥感图像具有全局或局部偏暗的特点,这是一种低照度图像。本文针对了低照度环境下的遥感图像进行车辆检测,实现了低照度图像的增强并且有效地检测出图像中的道路以及车辆信息,主要内容如下:论文首先研究低照度图像的处理方法。低照度图像的特点是对比度差,通过Retinex算法、直方图均衡化以及数学形态学的方法分别对图像进行处理可以改善图片的对比度。传统的Retinex算法在光照变化剧烈时会有光晕现象,直方图均衡化提高了图像对比度但灰度分布却不符合真实场景,而数学形态学的方法有效地改善了图像的对比度并且灰度分布符合真实场景。接下来本文研究了遥感图像中的道路提取技术,首先利用顶帽变换可以增强暗背景中的亮目标的特点增强了道路的边缘,使得二值化后的道路边缘得到了较为完整的保存。根据部分道路的方向为直线的特点,采用Hough变换的方法检测二值图片中的直线从而提取出道路边缘;而道路呈现弯曲的也不在少数,本文根据道路两个边缘平行的特点提出了一种基于平行线的道路检测方法,对于道路检测具有较好的效果。最后论文提出了两种车辆检测算法,一是首先通过对道路掩模图进行数学形态学操作减少低照度影响,再通过高阈值和低阈值分割出道路中的亮色车和暗色车,并利用面积约束滤除不符合车辆特征的部分;二是对道路掩模图进行边缘检测,然后通过道路边缘对道路的倾角进行估算,将估算出的角度对车辆边缘进行倾角矫正并获得矫正后的最小外接矩形,利用车辆的形状特征滤除不符合车辆的目标从而有效地提取出车辆目标信息。