车辆安全辅助驾驶系统是为解决当今世界上日益突出的交通安全问题而产生的,随着汽车保有量的迅速增加,公路上的交通事故,特别是恶性交通事故发生率居高不下,交通安全问题日益突出,车辆安全辅助驾驶技术已成为当前世界交通领域中的研究热点之一。车道偏离预警系统是安全辅助驾驶系统的重要组成部分,目前在美国,欧洲,日本已经出现了商品化的车道偏离预警系统,在国内,目前还没有具有自主知识产权的车道偏离预警系统。本文所研究的道路光照模式分类器,是JLUVA-LDWS系统的一部分,任务是将CCD采集的图像划分为四类:夜晚,弱光,正常光照,强光,然后根据分类的结果,自动调用不同光照条件下的车道标示线的识别和跟踪算法。本文的主要研究内容包括以下几个方面:1.特征的选择和提取:分别用基于经验的特征提取方法和基于K-L变换的方法进行了特征的提取,基于经验的特征提取方法将样本图像分割为三部分,分别统计各部分的均值和均方差作为图像的特征,得到六维的特征向量。而基于K-L变换的特征提取方法通过K-L变换将样本向量压缩为五维。2.BP神经网络分类器:根据第二章所提取的两种特征设计两个不同输入的BP神经网络分类器,采用改进学习算法,优化网络的结构和参数,最终实现了道路光照模式分类器的设计。3.模糊分类器:选择三个输入语言变量和一个输出语言变量,根据各语言变量的统计特征确定隶属度函数的具体形状和位置,初步确定四条模糊推理规则进行模糊推理,实现了模糊分类器的设计。4.支持向量机:以六维输入变量为输入,选择径向基函数型内积函数,选择一对一组合策略共六个支持向量机组成支持向量机分类器,实现对四个类别的分类。