交通标志识别(TSR)作为智能交通系统(ITS)中的重要组成部分，对于实际交通环境而言，研究道路交通标志的自动识别方法有着积极的意义，选题对于车载视频识别技术的发展具有重要的理论价值和应用价值。本文研究课题以脉冲耦合神经网络(PCNN)模型为理论基础，研究了提取图像边缘信息时PCNN参数的选择选取；在RGB HSV颜色空间理论模型的基础上，通过实验将所有交通标志分别在六种不同色彩通道下的对应PCNN提取的熵序列进行分类并通过三维曲面图的形式观察其效果；通过引入图像距离变换的概念，用简化PCNN模型实现了类欧几里得距离变换，并利用此识别方法通过实验搭建了一个道路交通标志识别系统。利用PCNN的自动波扩散特性，采用简化PCNN模型产生类Euclidean距离图像作为分类特征，利用最小方差进行匹配分析，通过实验选取最佳PCNN参数。针对国家标准道路交通标志图像库GB5768-1999进行了实验，分析了实验结果，得出了简化PCNN的类Euclidean距离变换能够有效提取二值边缘图像的形状信息，优于传统PCNN熵序列的特征向量方法，类内区分效果更加明显的有关结论。本文创新点在于提出了一种用于交通标志特征提取过程的简化PCNN网络模型，该模型提取原始图像对应边缘图像的距离变换图像作为识别的特征向量，并通过实验验证了利用该模型提取距离变换的方案的可行性。