近年来,随着智能交通（Intelligent Traffic,IT）技术的飞速发展,交通监控视频的处理手段也越来越成熟,为人类带来了极大的便利。然而,如何能使得传统的交通监控视频处理方法在复杂自然环境下依然有效在交通视频领域仍是一个热点话题,本文重点针对交通监控视频中复杂环境的增强算法进行了较为深入的研究。第一,针对传统的交通监控视频处理方式在强阴影干扰的情况下会出现精度下降、车辆误检以及算法失效等情况,本文提出了一种无需人工交互、具备自适应能力的阴影去除方法。首先,将视频帧从RGB颜色空间转换到HSV颜色空间后,进行非下采样剪切波变换;其次,假设变换系数服从高斯分布,采用变换系数的均值和标准差计算每个尺度的加权掩码;然后,根据多尺度变换系数的零树分布特性,利用粗尺度的加权掩码校正细尺度的加权掩码,并将各个尺度、各个颜色通道的加权掩码进行线性组合,得到公共掩码;再次,利用基于最小二乘法拟合最大熵方法计算自适应分割阈值,将公共掩码进行二值化;最后,以投票的方式确定运动车辆区域。实验结果表明,该算法可有效去除交通监控视频中的静态/运动阴影,抑制阴影的干扰,将传统Meanshift算法的输出车辆轨迹与真实轨迹间的平均欧式距离缩小了 95%,且未出现目标丢失的现象,增强了智能分析算法的鲁棒性。第二,在交通监控视频中,除了强阴影干扰会使视频退化外,阴雨天气对于交通监控视频的后处理也造成了极大的影响。基于此,本文提出了一种处理速度快、具有雨量判别能力、空间域—频率域联合的交通监控视频去雨方法。首先,将视频帧从RGB颜色空间转换到YUV颜色空间;其次,对视频帧进行非下采样剪切波变换并将低频子带清零,从而得到富含边缘和轮廓信息的图像,再利用最大类间方差法获得全部边缘信息图;然后,采用显著性映射方法计算视频帧的景深图,经过双边滤波和非下采样剪切波变换、保留高频变换系数,得到主要边缘信息图;结合全部边缘信息图、主要边缘信息图和连续两帧的帧差,做出雨滴/雨线区域及降雨量的决策;最后,对于降水量进行统计,若是中、大雨,则直接利用曲率驱动扩散方法修复雨滴/雨线区域的像素,否则重新进行一次雨水检测,最终获得去雨后的交通监控视频。实验结果表明,该算法不仅能够全面地去除视频中的雨滴/雨线,而且还能更好地保持物体的形状和纹理细节,可避免现有算法存在的跟踪目标丢失的问题。