摘要：目前交通场景的视频图像的处理已成为计算机视觉的热点研究。本文围绕交通道路区域的检测、交通场景图像的超像素分割算法、交通图像的超像素区域描述与交通场景图像的语义理解等方面展开,主要研究工作体现在以下几个方面：针对交通道路区域形状没有固定的模式,没有统一的颜色,同时受噪声、光照和阴影的影响,提出一种基于改进的Adaboost交通图像道路区域检测方法,该方法增强了分类器的识别道路的性能。针对交通视频与图像的数据量大,以及计算量大的问题,引入超像素的概念,提出基于改进的SLIC超像素分割算法进行交通图像分割,较之传统的过分割方法,改进的SLIC算法在一定程度上解决了超像素大小形状不均匀和边界信息性不佳等问题。提出一种基于黎曼流形的协方差交通图像像素表述方法,该方法有效地融合像素的颜色、梯度、纹理等特征,降低特征的维数,增加交通图像描述的准确性。提出一种有效的将低层的图像视觉特征映射到高层语义特征的bag-of-words表述方法,将交通图像的局部低层特征映射到视觉词并用一个可供分类的特征向量直方图表示。针对传统无监督LDA主题模型分类效果差的缺点,提出了一种基于SLDA概率模型的交通道路区域的语义分类与标注方法,该方法利用交通场景的先验知识,有效地融合整个交通场景主题与局部目标的上下文环境关系,改善了交通场景图像的分类性能,得到更准确的估计。实验结果表明,本文所提出的方法改进了交通场景图像的语义分析。图23幅,表5个,参考文献61篇。