当前社会正处在经济飞速发展之中,“人、车、道路”的矛盾也越来越显著。这不仅影响人民的生活质量,更给社会的管理造成极大的困扰,特别是交通管理部门的工作难度出现了几何倍增长。为有效提高交通管理部门的工作效率,交通管理系统的智能化迫在眉睫。而基于机器视觉的车流量检测在很大程度上让这一系统实现智能化成为可能。图像的频域分析是近几年新发展起来的图像处理技术,它为研究者分析图像提供了新的角度,被广泛应用于图像的去噪和识别等算法中。智能交通是近年来智能控制领域的研究热点,其中车流量数据的检测是实现交通管理系统智能化的关键。目前,主流的车流量检测方式一般被分为接触式检测和非接触式检测,其中接触式的检测以地埋线圈检测为主,这也是当前最主要的检测方式;传统的非接触式检测以红外对射检测和雷达微波为主,相比之下,视频分析作为目前常用的车流量检测方式具有更多优势。这种检测方式的主要环节包括:图像的获取、处理和车流量的分析等,其中以图像的处理最为关键。本文在总结大量学者研究成果的基础上,提出了基于图像频域谱分析的车流量监测算法,将传统车辆特征提取与频域谱分析相结合,从图像的频域分析角度实现对道路车流量的检测。本文针对图像处理过程中的噪声抑制、色彩增强、特征提取、图像频域转换以及作为对比试验的占空比检测算法都进行了一定的改进。其中,在对图像去噪算法的改进中,先对噪声的形成和分类进行了详细的介绍,并针对椒盐噪声有极值和分散的特性,在常用的中值滤波函数中加入一个开关函数,对像素进行极值判断,以确定是否为噪点从而有针对性的进行滤波处理;在对图像增强算法的改进时,根据三段式增强的原理将分段节点的阈值采用灵活的自适应方式确定,使得算法对于不同时段拍摄的监控画面都有较好的处理效果;在图像特征提取中,为降低高频分量的占比,针对图像频域分布的特点,将经形态学处理后的图像进行边缘模糊,有效抑制了图像高频分量的能量;在图像频域转化的过程中采用了小波变换与离散余弦变换相结合的方式,有效提高低频分量能量的占比;最后,在对比实验的改进中,针对图像近大远小的特点,使用特定映射算法使得图像中不同位置处的车辆占空比更为真实有效。通过最终的系统实现和实验检测,本文所提出的算法能够有效区分车流量的大小。