随着汽车拥有量急剧上涨,智能交通成为一个新兴的研究方向。图像处理技术是智能交通系统的重要前沿研究领域,具有十分重要的理论意义和应用价值。本文主要研究对车牌图像、车辆图像及道路图像的阈值分割技术。本文首先对智能交通技术作了概述,对图像阈值分割的一般方法进行综述,指出了现有算法存在的不足,相应地提出了新的算法。二维Shannon信息熵法是图像阈值分割中常用的经典算法,但存在着不足。为此,提出了二维指数信息熵阈值选取方法,克服了对数熵的不足,提高了速度。同时给出其快速算法,将二维阈值转化为一维。结果表明,该算法能快速准确地实现图像分割。最小类内方差法(Otsu法)分割精确,应用范围广泛,实质上是最小二乘法(L2范数)。本文提出了基于最小类内绝对差(L1范数)及最大差(L∞范数)的阈值分割算法,导出了这两种算法的二维算法。通过比较,发现这两种方法在某些类型图像下,阈值分割效果明显优于最小类内方差法,其二维算法的分割效果普遍优于相应的一维算法。基于熵的阈值选取方法是一类颇受关注的阈值分割算法。本文提出了二维Renyi熵的阈值分割两种不同的快速递推算法,都可以将计算复杂性由O(L4)减少为O(L2)。实验表明,二维Renyi熵阈值选取算法分割准确,这两种快速算法的运行时间不到原算法的0.1%。本文在指出现有二维直方图区域直分法中存在明显错分的基础上,提出二维直方图区域斜分法,导出了二维直方图斜分的Otsu阈值选取公式及快速递推算法。结果表明,二维直方图斜分可使分割后的图像内部区域均匀,边界形状准确,更具有稳健的抗噪性,运算速度大大提高。最后,本文将群智能中的人工鱼群算法应用到图像阈值分割算法中,提出了二维Otsu阈值分割的人工鱼群算法。通过与基于基本遗传算法及最优保存策略遗传算法进行比较,发现人工鱼群算法能够准确找到最佳阈值,收敛速度更快。