随着汽车拥有量逐渐增加,交通网络变得错综复杂,交通管理系统面临着严峻的考验。基于此背景下智能交通系统的概念出现了,并逐步成为现代交通系统发展的趋势。作为智能交通系统的一部分,车辆识别在辅助打击交通事故、违章逃逸等交通刑事犯罪方面发挥了不容忽视的作用。鉴于其广阔的应用前景,受到越来越多的关注。基于图像内容的车辆识别主要包括图像预处理、车辆检测、车标定位以及车型识别几部分。本文在对车辆图像进行预处理、车辆检测、车标定位等基础上,对车型识别方法做了重点研究。在车型识别方面,选取了具有代表性的车标作为车辆识别的对象。并针对现有的车标识别方法不能很好的处理阴影、光照、污损等不理想情况造成的识别率低的问题,提出了基于判别低秩矩阵恢复和稀疏表示的车标识别方法。首先采用判别低秩矩阵恢复来纠正不理想的训练样本,通过学习一个低秩投影矩阵,将待测样本特征矩阵投影到相应低秩子空间来恢复干净的测试样本;最后在此基础上利用稀疏表示分类方法进行分类判别。针对基于稀疏表示的识别方法运算量较大的问题,提出了基于字典优化和鲁棒协同表示的车标识别方法,选择HOG特征对车标进行描述,对训练样本和测试样本分别提取HOG特征,并对训练样本采用基于Fisher准则的字典学习方法进行字典优化,最后用鲁棒协同表示的方法进行识别。为了验证算法的有效性,在Medialab LPR Database数据库进行了对比实验,结果显示本文的算法具有更好的识别效果。