智能交通管理系统已成为二十一世纪世界道路交通管理的发展趋势。正确辨识车辆牌照，不但可以查询和统计交通流量、测定和管理道路负荷，还可以对肇事车辆、走私车辆、丢失车辆进行辨识和追查，而在利用摄像机拍摄的汽车图像中，图像的质量与光照的好坏密切相关，车辆牌照光照的不均匀程度与不同的光照条件与角度都会对图像质量产生重大的影响。在不同的时间、不同的气候条件下，车牌区域的亮度特征取决于车牌的反光程度。由于计算机技术领域的不断进步和完善，车牌图像处理问题也就得到了愈来愈多的研究和关注。本篇论文主要考虑结合多重网格方法来构造多尺度反演算法，对模糊的图像进行去噪及修复，使得多尺度反演方法既能识别原有图像的特征，又能极大地减少数值计算的工作量。本文首先将采集到的车辆牌照转换成灰度图像，由于得到的灰度图像目标与背景亮度相近，我们必须对图像进行灰度拉伸，传统的拉伸方法是线性化拉伸和硬阈值处理，本文将对图像进行多尺度拉伸，并基于模糊数学进行软阈值处理，在保留原有图像特征的同时，能够去除图像中的噪声，恢复图像的原有信息。本文使用真实的车辆牌照进行了数值模拟，实验结果表明多重网格方法在一定的条件下能够有效地进行图像去噪与修复。