改革开放以来我国经济社会飞速发展人民生活质量稳步提升，汽车工业和交通事业随着经济的春风迅猛发展，不过，高速发展背后的交通拥堵以及安全问题也日趋严重。为了更好的解决现有问题，国内外众多学者将目光投向了集检测、通信、计算机和控制技术于一体的智能交通系统。而交通标志识别子系统作为其最具发展潜力的主要组成部分之一，在道路信息、交通安全以及辅助驾驶等方面的作用日益凸显。本文结合我国的现实情况在以下方面做了一些研究工作。在图像预处理的过程中，考虑到RGB色彩空间下具有较强的颜色相关性，采用HIS空间下直方图均衡化来处理采集到的图像从而提高对比度；由于户外光照条件变化较大，在进行实验对比后选择改进的Gamma矫正来减少不同光照的影响。并将几种常用而较为成熟的滤波方法作了详细介绍和效果对比，最终选用表现较好的自适应中值法。提出了一种改进的快速2DPCA交通标志识别法。通过将类内中间值的概念和两级的算法思想的有机结合，重建散布矩阵，经过两次图像投影后，特征矩阵维数大大降低，减少了储存空间并提高了分类速度。采用人脸识别领域中公用的ORL和FERET人脸图像库上与传统的PCA、2DPCA进行对比实验，结果表明提出的算法不但在识别率上具有明显优势而且分类识别时间也得到缩短。为验证其实际中的表现，在自制的两个交通标志图像库中进行实验对比，进一步证明了该方法的符合预期。将基于格拉斯曼流行的图嵌入判别分析法应用到交通标志识别上。图嵌入理论的引入能很好的捕捉到数据的局部结构完成欧式空间的低维嵌入，通过将图像的匹配问题转化为格拉斯曼流行上点的分类问题。选用投影核作为格拉斯曼流行内核增强了点与点之间相似性的判别。实验结果表本方法可以应用于交通标志识别。鉴于现阶段我国还没通用的实验相关道路交通标志图像数据库，笔者自建了两个标志库用于实验，一个是由标准样本图像进行旋转、加噪、缩放获得；另一个是采集到不同天气不同距离和不同角度的实拍图像，然后再通过旋转、扭曲、加噪等获得。