交通标志作为重要的道路安全附属设施,在规范交通行为、指示道路状况、保障道路功效、引导行人和安全驾驶等方面起到重要作用。为了确保交通标志的信息能够及时、准确的传达,交通标志自动识别系统(TSR)受到各国学者的重视。基于影像的道路交通标志检测和分类是交通标志自动识别系统的两个关键技术环节,经过多年的发展,在理论研究和实用系统方面均取得了 一定的成果。交通标志长期暴露在户外,标志本身会发生颜色退化、污损以及形变;在视频和图像的采集过程中,光照变化会导致交通标志颜色失真,视角倾斜会引起交通标志形状变化;在复杂环境下交通标志会被其它物体遮挡而形成不完整的边缘,这些都给交通标志的检测带来挑战。交通标志的分类是TSR中另一个关键技术,交通标志类别众多,是典型的多分类问题,追求分类算法的鲁棒性和有效性仍然是尚未有效解决的热点问题。针对上述不足,本文在交通标志颜色处理、交通标志检测和分类等方面进行了研究,主要研究工作如下:(1)针对交通标志的颜色特征,提出颜色分布模型和改进的颜色对比度模型,以突出图像中的交通标志区域。颜色分布模型通过计算交通标志主体颜色在Lab空间中的分布概率,得到输入图像相对于每种颜色的特征图,在特征图中突出相应颜色的区域。改进的颜色对比度模型则根据人眼视觉机制中存在的颜色对抗性,突出红色、蓝色和黄色区域。在实验阶段对比了这两种模型和其他常用的颜色处理算法在交通标志数据集上的运行结果。实验证明,本文提出的改进的颜色对比度模型在保证最短运行时间的同时取得了最高的检测率。(2)在研究交通标志快速检测算法的基础上,提出一种基于旋转对称投影的快速多边形检测算法。该方法以图像的边缘梯度为特征,选择满足特定旋转对称角度的点进行投影,得到图像中可能存在的多边形,之后采用多边形分类方法得到其具体类别。该算法时间复杂度较低,实验表明每幅图像的平均处理时间为55ms,能够满足交通标志检测的实时需求。(3)在分析现有交通标志形状检测算法的基础上,针对部分遮挡和视角倾斜的交通标志提出了基于连接分布(LD)模型的多边形检测方法。LD模型将多边形看作中心到边界点连接的集合,每个连接可用连接的长度、连接与水平线的夹角、边界点的边缘方向表示。在交通标志发生视角倾斜和边缘部分缺失的情况下,连接间的顺序和邻接关系不变,因此该算法能够有效检测视角倾斜和边缘不完整的多边形。在公开数据集上的实验表明,该算法在禁令、警告和指示标志上的检测率分别为98.63%、95.24%和94.40%,优于大多数国际先进算法。(4)针对复杂环境下交通标志检测结果不理想的情况,提出一种基于视觉显著性的交通标志检测算法。该算法将自底向上和自上而下的显著性结合在一起,完成对交通标志的检测。自底向上的显著性算法在颜色聚簇划分和区域分割的基础上,计算区域之间的对比度和区域所属聚簇的颜色分布紧致性,以此作为该区域的显著性度量。每一类交通标志均有特定的颜色特征,可形成类别相关的显著图,即自上而下的显著性检测。和自底向上的显著图相结合,完成复杂环境中交通标志的检测。实验证明该方法可以有效检测禁令、指示和警告标志,在公开数据集上取得了较高的检测率。此外,该方法能够检测白色交通标志,不需要额外的处理。(5)在分析我国交通标志特点的基础上,提出一种逐级细化的交通标志分类方法。首先根据颜色和形状特征将交通标志分为五个大类,即禁令标志、警告标志、指示标志、解除禁令标志和其它标志。在粗分类中,分别利用HOG和CN描述子表示每类标志的形状和颜色特征,采用线性SVM分类器得到感兴趣区域所属的大类。然后分析词袋模型中颜色和形状特征的融合方式,采用CN和SIFT特征早融合的方式表示感兴趣区域,最后利用高斯核SVM分类器得到每个感兴趣区域的最终类别标记。该算法在公开数据集上的交通标志分类正确率为99.15%,优于人工分类结果,在所有公开的分类结果中排名第二。