汽车车身颜色识别是智能交通领域的一个重要发展方向，它弥补了智能车辆识别系统中车辆颜色特征信息的技术空白，丰富了车辆识别的特征信息，并且对打击汽车套牌等犯罪行为有非常重要的意义。然而实际的车身颜色容易受雾，雨等环境的影响，这给汽车颜色识别带来很大的困难，本文就是在这样的背景下，对汽车颜色识别提出了自己的研究方法。本文主要研究内容如下：(1)研究了车身颜色定位方法，车身颜色区域定位是特征提取的关键步骤，采用边缘跳变和投影定位算法先定位出车牌的位置，然后利用车牌位置和阀盖位置的几何关系，利用统计和经验的方法，再定位出车的颜色识别区域。(2)研究了彩色图像去雾理论及方法，利用暗通道先验理论建立了透射率和大气光模型，这种方法在图像去雾和图像增强这两个方面取得很好的效果，但是该方法也有其缺陷性，对有些白色物体块或者具有高亮块的区域，该算法是不适用的，所以，本文提出了一种引入阈值因子来重新构建透射率模型，然后得到新的图像复原函数模型，新的算法使得图片变得清晰，而不会产生色偏，便于识别，提高了识别率。(3)研究了图像特征的提取，颜色直方图对图像旋转变化和平移缩放具有很高的鲁棒性，这就表明颜色直方图只关心颜色占空间的比例，而与颜色在空间中的分布没有关系。颜色直方图正是有了这种特性，它可以用来描述全局颜色相似性的特点，因此，本文可以用颜色直方图来提取车身颜色特征信息。(4)在支持向量机的平台下，提出了两种用于车身颜色识别的方案，两种方案各有各的优势，取得了较好的车身颜色分类识别准确率。