近年来,迅速扩展的交通路网和不断攀升的汽车保有量都带来了一系列交通和环境问题。面对以上问题,智能交通系统受到越来越多的关注。作为智能交通系统的关键组成部分,交通标志识别系统一直都是科研和商业领域的重要课题。该系统在辅助驾驶、无人车、交管部门管理、多学科交叉研究等领域有着十分重要的作用。然而,实际环境较为复杂,交通标志识别系统的设计过程面临一些挑战,包括:自然场景中天气、光照条件复杂多变,植被等干扰障碍物众多,而标志本身形状、种类繁多,并且现存的具有较高识别率的标志分类识别方法结构复杂、实时性较弱。所以本文针对自然场景中的交通标志识别系统的构建展开研究,具体工作如下:(1)在识别系统的图像预处理和颜色分割方面,针对自然场景中的不同天气情况、植被杂点影响标志分割的问题展开研究。首先通过亮度直方图判断自然场景中的天气情况,对非正常天气情况采取基于网膜增强算法的预处理操作。然后,在归一化RGB阈值法基础上,结合植被阈值分割法和彩色\消色差分解法提出自然场景中的交通标志分割算法。实验部分,定性和定量对比分析了三种图像预处理方法对于包含标志的场景图像的增强效果。并将本研究分割方法与常用方法在背景干扰、光照不均等自然场景图像上进行实验对比。(2)在识别系统的标志定位检测方面,针对自然场景中圆形、三角形、八角形等多种形状的标志检测问题,提出一种基于融合特征的标志检测算法。本研究在深入研究Gist、方向梯度直方图以及局部二值模式特征算子的基础上,提出一种Gist-LBP融合特征算子。在构建的标志正负样本库和德国交通标志检测基准数据集上分别进行了实验,证明所提方法相比于单一特征在多种形状的检测问题更具有通用性和准确性。(3)在识别系统的标志分类识别方面,针对现存识别率较高的标志识别网络结构复杂和实时性较弱的问题,本研究提出了基于局部感受野极限学习机优化模型的交通标志识别方法。对自然场景应用的参数采用网格搜索策略进行寻优操作,然后对少数类标志样本采用仿射变换方法以解决不平衡数据影响模型准确率的问题。按标志的六大范畴统计分析了传统方法与本研究方法的识别结果,按照个体识别结果统计分析了数据增广前后识别率的变化情况,还将本研究方法与识别率高的方法对比实时性。多项实验表明所提方法在时间复杂度较低的情况下具有较高的分类识别性能。(4)在识别系统的系统构建方面,利用WPF以及MATALB构建了交通标志识别系统应用平台。应用平台集成了图像预处理、分割、检测、识别等多个功能模块,实现了自然场景中多种标志的自动分割、检测、识别等功能,为交通检测与识别的研究提供了一个基础实验平台。