智能交通系统在提高汽车通行效率、减少交通事故等方面具有很大的应用前景。交通标志检测与识别系统是智能交通系统的重要组成部分,不仅是一个研究热点,也取得了很大的进展。在各种交通标志中,包含文字的交通标志(字符型交通标志)提供丰富且重要的道路信息,这些信息的提取和应用对汽车无人驾驶、辅助驾驶等至关重要。但目前针对交通标志文字检测的研究相对较少。由于自然场景下的交通标志易于受到不同天气或光照强度的影响、交通标志部分可能被遮挡、字符型交通标志中的文字排列不整齐,字符间距、大小不统一等。因此,自然场景下的交通标志的文字检测问题具有一定的挑战性。本论文实现了一种快速准确的自然场景下交通标志中的文字检测算法。论文的工作主要包括包含文字的交通标志的精确定位以及交通标志中的文字检测。首先,利用颜色分割和形态学操作获得交通标志的候选区域：对候选区域的进行内部填充,获得交通标志的外部轮廓,并利用边缘方向直方图(EOH)特征描述子提取交通标志的形状特征；然后,结合线性支持向量机(SVM)对候选区域进行分类,得到字符型交通标志区域。并针对倾斜的交通标志进行仿射变换,实现倾斜矫正。对检测和矫正的交通标志,采用S通道的K-means聚类算法对交通标志图像二值化,并结合多尺度字符提取、汉字笔画合并来检测交通标志内部的文字。由于目前缺少统一的字符型交通标志数据库,本研究小组建立了实验数据库并对全部的图像进行人工标志。对数据库中608幅自然场景交通标志图像的检测结果表明了论文中所使用算法的有效性。