近年来,伴随着全球经济的迅速发展以及人们生活水平的普遍提高,道路上行驶的交通车辆日益增多,智能交通系统被越来越多的人所关注。交通标志的检测与识别作为智能交通系统的组成部分,对道路的交通安全起着至关重要的作用,同时有利于缓解交通拥堵现象。由此可见,对交通标志识别进行深层次的探讨与研究将对人们的生活有着极其重要的实用价值和深远意义。为了能快速有效地识别出图像中的交通标志,本论文首先对所采集的交通标志图像进行预处理,采用直方图均衡化、中值滤波分别实现了图像的增强、去噪,再利用交通标志具有的不同于其他物体的显著特征(颜色和形状特征)对交通标志图像进行检测与分割,通过分析对比了几种彩色空间后,在HSV彩色空间通过确定阈值对交通标志图像先进行粗分割,之后再利用形状特征对其进行精确分割,从而完成交通标志的检测与分割。其次,对分割出的交通标志采用改进的二维主成分分析方法进行特征提取,提取出能够表示交通标志本质特点的特征,利用这些计算简便的特征来组成特征向量,并构建样本特征数据库。通过实验,从交通标志的识别率与识别时间上对比研究主成分分析方法、二维主成分分析方法以及改进的二维主成分分析方法。最后,通过设计一种组合核函数支持向量机分类器对输入的交通标志进行分类与识别,分别对比交通标志图像在多项式核函数、径向基核函数以及组合核函数支持向量机分类器下的识别准确率,并采用交叉验证的方法对核函数进行参数寻优。在MATLAB编程环境下利用LIBSVM软件包进行实验。实验结果表明,本论文采用改进的二维主成分分析方法与组合核函数支持向量机分类器具有较高的识别速率和识别准确率,满足实时性要求。