随着经济的发展,汽车在人类日常生活中扮演了越来越重要的角色。随之而来的是交通堵塞与交通事故频发等问题。相关学者对这些问题的解决提出了诸多思路,其中智能驾驶的概念已经得到广泛的关注。而交通标志的智能识别是其中的重要一环,它对未来汽车电子的发展方向有着重要的现实意义。交通标志分割与识别系统有重要的理论意义和实用价值,其主要解决两个问题,即交通标志分割与识别,分割即怎样把自然场景下的照片分割出独立的交通标志,识别即把分割出的交通标志进行辨识和分类。本文主要针对圆形和三角形的交通标志,对它们的分割方法,分割后图像的特征提取,以及后续分类识别等关键性技术进行了深入研究,其主要包括：1.对交通标志识别系统的框架进行了分析,对图像滤波,颜色分割,边缘链的提取存储等前期预处理算法进行研究。对相关学者提出的分割与识别算法进行了分析。2.根据圆形标志的形状特征,提出了基于二层Hough变换的圆形交通标志的分割方法。第一层确定出圆形标志的圆心及半径范围,第二层对随机Hough变换算法进行了改进,确定出圆形标志的精确区域。3.根据三角形标志的形状特征,提出了多特征融合的三角形标志的分割方法。Hough变换检测直线,构建基于极限学习机的顶点判决器,同时将三角形几何特征融入算法,用于筛选三角形边缘,确定三角形标志的精确区域。4.综合小波不变矩和仿射不变矩的优点,提出了结合两者优点的组合不变矩,此组合不变矩有平移,旋转,缩放不变性,将其应用于交通标志的特征提取。相对应传统的单纯提取Hu矩,本组合不变矩区分可靠度更大,提高了识别准确度。5.选取20组交通标志,对极限学习机算法进行研究,将此算法用于交通标志的识别,取得了良好的识别效果,同时与BP神经网络对比的结果表明,本算法提高了识别速度。