近年来，智能交通系统（ITS）得到了越来越多研究人员的关注。交通标志的检测与识别是智能交通系统的前沿研究领域，具有非常重要的理论研究意义和实际应用价值。由于自然环境的复杂性，交通标志的检测及识别技术尚没有成熟的实际应用，还需要继续深入的研究具有高效实用的交通标志检测及识别算法。本文对自然环境下的图像进行检测，检测出图像中包含交通标志的区域，并对其进行识别。对于交通标志的检测及识别系统，本文主要进行了如下研究：（1）对标准交通标志进行分析，选用颜色、所在位置、形状、外轮廓、内部包含内容等作为交通标志的特征。（2）对图像进行预处理，削弱背景和光照等因素的干扰。对比分析了颜色改变和颜色恒强的颜色增强算法。对基于颜色不变增强算法的双Gamma校正算法和基于颜色恒强增强算法的局部颜色平均法进行了实验与对比。（3）对图像进行检测，检测出其中的含有交通标志的区域。首先在HSV颜色空间对不同颜色的交通标志分别设置阈值进行检测，由于背景的复杂性，颜色检测出来的部分区域为杂质，需要对图像中每个可能区域进行去杂。使用像素点扩张法将每个区域标记为不同的值实现ROI分割。基于交通标志的形状、外轮廓和内部颜色等特征，使用中心投影、radon变换和内部颜色判断法对每个区域进行进一步检测。实验结果表明：先提取特征向量，然后综合使用各种检测算法能正确的检测出包含交通标志的区域。（4）对检测出的交通标志使用支持向量机进行分类识别。对二值化后的交通标志进行Hu不变矩和Zernike不变矩特征计算作为不同类别的特征向量，选取部分红色的交通标志作为识别实验对象，使用实物中采集的交通标志作为训练和测试样本，使用LIBSVM对样本集进行训练并对检测出的交通标志进行测试实验。实验结果表明:使用Hu不变矩和Zernike不变矩作为特征，SVM进行识别具有较好的识别率。