道路交通标志作为协助交通管理、保障道路参与者安全的设施,无论对机动车驾驶员还是行人都有重要的指导和警示作用。该文的研究目的是在复杂的自然背景条件下提取和检测交通标志,为下一步更有效地识别交通标志做准备。由于受摄像机抖动、机动车的行驶速度以及复杂的外部自然环境等因素的影响,很难保证检测实时性的同时获得较高的准确率。基于上述背景,该文主要从交通标志图像预处理、交通标志区域分割、交通标志特征提取与定位等方面对交通标志进行研究,所做主要工作如下:(1)在交通标志预处理阶段,基于常用颜色空间,采用一种处理交通标志颜色信息的颜色概率模型,以增强交通标志的特定颜色(如红色,蓝色和黄色),抑制交通标志图像背景颜色。然后计算一个离线查询表(LUT)以给出所有可能的概率,进而减少算法的搜索空间和检测时间。最后使用直方图均衡化对交通标志进行处理及并对比处理前后结果。(2)使用颜色概率模型将输入彩色图像转换为交通标志概率图,将输入彩色图像经过直方图均衡化处理得到灰度图像,然后对两种经过处理的交通标志图像使用最大稳定极值区域(Maximally Stable Extremal Regions,MSER)分割算法进行分割,得到交通标志区域的粗提取结果,再使用MSER改进算法对交通标志区域进行细筛选,剔除干扰区域,结合标志的灰度阈值以及设定提取区域的长宽比进一步确定候选交通标志区域。(3)该文在概率图来计算梯度方向直方图(Histogram of Oriented Gradient,HOG)特征,以充分利用交通标志的颜色和形状信息。同时在直方图均衡化的基础上计算另一个HOG特征,将这两个梯度方向直方图特征结合在一起形成颜色方向梯度直方图特征。对于一个标志存在多个检测框的情况,给出了交通标志非极大值抑制处理过程以及处理结果。最后用该文提出的算法进行实验,得到CTSD测试集下的实验结果,并对结果给出相应分析。同时将该文算法与其它两种算法作比较,说明该文算法在具有较高的准确性的同时基本上满足了实时性的要求。