目前，智能交通及车辆自动驾驶系统已成为相关行业的重点研究方向，基于视觉的道路图像处理及道路提取是其中的关键技术。与城市道路、高速公路等结构化道路相比，位于郊区或野外的非结构化道路具有复杂的路面环境及多样的成像效果，其道路图像的处理技术尚不成熟，是目前业界的一大关注焦点。基于此，本文对基于单目视觉的复杂道路图像处理相关技术展开研究，主要研究内容如下:
　　在道路图像预处理阶段，本文针对带有阴影的非结构化道路图像，提出了基于统计分析的对数域本征图像提取方法，分别利用线性回归、一阶矩绝对差、三阶矩标准差等方法计算最佳投影角，其处理效果相比于现有方法更稳定。
　　在道路图像几何信息提取阶段，本文提出了基于道路边界方向分析的消失点估计方法，筛选出道路边界区域的像素，利用多向滤波器确定其所处位置的边界方向作为投票直线的方向，再通过新提出的基于最大权重的直线软投票方法及投票图像焦点浓度分析法定位消失点。与现有方法相比，提出的算法在保证定位准确度的基础上大幅提高了计算速度。之后，本文针对边界区域像素点，提出了基于回归分析的边界方向提取法，以此确定投票直线方向，进一步提高计算速度。
　　对于道路区域提取，根据本文提出的消失点估计算法，提出了一种简单有效的基于消失点定位的道路提取方法，通过道路结构参考点以及本征图像的灰度和边缘信息得到概率图，在对概率图进行整合处理后提取道路区域。之后，本文又提出了基于二次估计道路区域提取方法，利用光照不变图像得到道路区域概率图，通过简单有效的概率图合并、修正方法及基于频域分析的直方图平滑和显著性优化算法初步估计道路几何形状模型，进而结合光照不变图像的边缘信息提取最终的道路区域。所提出的方法计算原理简单有效，道路提取准确度良好，计算速度快，且对多种环境的道路图像具有良好的稳定性。