交通标志的检测作为智能交通系统研究的一个重要分支,早已成为国内外研究的热点之一。交通标志的检测一般结合交通标志的颜色特征及形状特征,从自然场景中把交通标志准确的提取出来,通过交通标志识别系统识别出检测到的交通标志。因此,交通标志的检测在自动驾驶、交通标志维护、规范交通行为、确保安全驾驶等方面具有重要的意义。然而,真实的交通场景复杂多变,由于交通标志通常处于室外复杂的环境条件下,在交通标志检测的过程中容易受环境光照、天气条件、方向旋转等问题的干扰,尤其是近年来随着工业化进程的加快,大气污染问题日趋严重,雾霾天气日益增多,而雾霾天气下获取到的图像对比度低、可视性差,给交通标志的检测造成了严重的问题。针对以上问题,本文从雾霾天气下的图像复原、交通标志检测两方面着手,针对雾霾天气下的交通标志检测做深入研究。首先,本文研究雾霾天气下的图像复原问题,提出一种基于暗通道先验的改进图像去雾算法。通过对大气散射模型与常见基于大气散射模型的图像去雾算法的学习研究,结合雾霾天气下待检测图像特征,提出一种通过对透射率细化的快速图像去雾算法,既保证待检测图像清晰度不受雾霾天气的影响,提高交通标志检测的准确率,又满足智能交通系统等实际应用中高实时性的要求。其次,本文对交通标志检测问题进行深入研究,分别就雾霾天气下基于颜色特征、形状特征、方向梯度直方图特征的交通标志检测算法展开研究。雾霾天气下基于颜色的交通标志检测算法虽然经过图像去雾的预处理后,其检测准确率相较传统的基于颜色的交通标志检测算法有了一定的提高,但由于易受光照条件等的影响,对智能交通系统的稳定性造成一定的干扰。雾霾天气下基于形状特征的交通标志检测算法虽然可以避免光照条件等的影响,但对于发生形变或严重遮挡的交通标志而言,其检测准确率大大降低,此外,其算法复杂度相对较高,无法满足智能交通系统高实时性的要求。雾霾天气下基于方向梯度直方图特征的交通标志检测算法不仅降低了光照条件的制约、提高了交通检测的准确率,而且在一定程度上降低了交通标志检测算法的复杂性,但对智能交通系统高效的发挥效能还存在一定的制约。最后,本文提出雾霾天气下基于多特征融合的交通标志检测算法,通过对待检测图像进行图像去雾的预处理后,分别提取图像的方向梯度直方图HOG特征与局部二值模式LBP特征,再对此进行加权融合进行检测输出检测结果。经过多特征融合后的交通标志检测算法不仅能够抗击光照条件、雾霾天气等的影响,提高了交通标志检测的准确率,降低了误检率与漏检率,而且其算法复杂度相对较低,不会制约智能交通系统更好的发挥效能,具有较高的实时性。