随着平安城市建设的推广，越来越多的城市道路增设了交通视频监控，其监控设备也呈现高清、超高清发展趋势，这直接导致视频信息数据量的倍增，严重加剧视频存储设备和网络传输带宽的负荷，既增加了设备成本，又使视频通信的实时性受到影响。因此，针对剧增的实时高清视频数据，有效快速的交通视频压缩算法成为必不可少且尤为迫切的研究课题。现有的交通视频压缩技术主要根据视频帧内与帧间的相关性建立压缩方案，众多学者对视频背景的建立、视频对象的运动估计与运动补偿技术等视频压缩关键技术进行了大量研究及改进，但这些压缩算法仍存在复杂度高、压缩效率低、硬件开销大等缺点。针对这一问题，本文充分利用细胞神经网络硬件实现复杂度低、适合用大规模集成电路实现、具有并行计算能力等优点，开展了基于细胞神经网络的交通视频压缩技术研究。通过对细胞神经网络理论和应用的深入分析，针对交通视频的数据量大、实时性要求高的特点，本文的主要创新点是提出了一种基于细胞神经网络的交通视频压缩算法，该算法囊括了交通视频的预处理和后处理，使得细胞神经网络在视频处理的优越性得到全面展现。本文的主要工作如下：1.针对现有背景估计算法需要帧的数量较多，所需时间较长的情况，提出基于细胞神经网络的背景建立算法。通过细胞神经网络去除帧图像内的运动目标，得到无运动目标的背景图像，将这些背景图像叠加，从而较快地得到完备的背景图像。2.针对视频图像背景一般为局部变化、但现有背景更新算法是对整个背景都进行更新的问题，提出基于细胞神经网络的背景区域更新算法。利用块匹配的思想，使用细胞神经网络搜索、标记并替换背景变化区域，以较少的运算量完成背景更新。3.针对交通视频背景不用给予过多关注的情况，提出基于细胞神经网络的帧内预测压缩方法，实现背景与运动目标不同比率压缩。按照内星模型设计细胞神经网络实现运动目标无损压缩，保留运动目标的细节成分；设计细胞神经网络模板分解出背景图像的低频信息，利用差分图像对背景进行高比率压缩。4.设计了基于细胞神经网络的交通视频压缩仿真系统。同条件下的仿真实验结果表明，本系统相对于H.264/AVC和MPEG-4ASP系统，节省了平均码率；视频的压缩比虽并无明显提高，但节省了压缩时间。