道路交通标志分割技术作为交通标志识别的重要组成部分，它的实时性和准确性对实际交通标志识别系统有着很大影响，选题也对于车载视频识别技术的发展具有重要的理论价值和应用价值，也有着积极意义。本文研究课题在RGB颜色空间理论模型的基础上利用脉冲耦合神经网络(pulseCoupled Neural Network，缩写PCNN)模型研究了自然环境下交通标志的彩色分割。不同于将彩色图像转换成灰度图像的方法，利用脉冲耦合神经网络的脉冲捕获特性和同步发放特性，分别计算不同颜色成分在RGB三个色彩分量中的神经元点火产生自动波的时间，通过调整脉冲耦合神经网络主要参数，确定每一彩色分量的最佳迭代时刻，将三个色彩分量处理结果经过逻辑与运算得出分割区域，通过GB5768-1999标准图库和自然场景图像进行实验验证。利用传统脉冲耦合神经网络模型，针对交通标志图像库GB5768-1999进行了实验，采取最大熵法求解每一彩色分量的最佳迭代时刻，分析了实验结果，得到了针对交通标志图像脉冲耦合神经网络的点火特性，确定了利用脉冲耦合神经网络模拟视觉系统处理的基本方法；把交通标志图像库的图像加入椒盐噪声，仍采用上述方法进行了处理，分析了脉冲耦合神经网络的抗噪性能；针对自然环境下的交通标志，将脉冲耦合神经网络模型中的部分参数进行了修正，能够很好地分割得到交通标志区域。脉冲耦合神经网络模型运用于道路交通标志分割，充分利用脉冲耦合神经网络的脉冲同步发放特性分析图像的彩色特征，并通过实验验证了该方法进行交通标志分割的可行性。