随着科技的发展和人们生活水平的不断提高,公路上各种车辆的数量与日俱增,这给人们的生活带来了极大的便利,同时交通事故问题也越来越严重。引发交通事故的因素为驾驶员错误操作、路况不好、天气影响等。据统计80%的交通事故归咎于驾驶员误操作。为了降低交通事故率,道路交通标志识别系统TSR (Traffic Signs Recognition)应运而生。道路交通标志识别系统识别交通标志并反馈给驾驶员可以使驾驶员提前了解路况及其变化并及时做出正确的反应措施,从而尽量减少交通事故的发生。在道路交通标志中,常见的是警告、指示和禁令交通标志,每类交通标志都由特定颜色和形状的图案、文字构成。当外界光照强度发生变化、天气变化,交通标志牌倾斜,采集到的交通标志存在尺度变化都会影响道路交通标志识别系统的识别效果。所以,需要使识别系统具有旋转、尺度不变性。另外,在图像采集过程中容易混入噪声,所以系统需要具有抗噪性。道路交通标志识别系统主要包括交通标志采集、预处理、检测和识别。采集并识别不同光照条件下的道路交通标志可以验证道路交通识别系统的稳定性。为了降低光照强度对道路交通标志图像带来的影响,本文应用HSI彩色空间图像增强。在道路交通标志检测过程中,根据交通标志的颜色特性,在Lab彩色空间中应用Mean shift图像分割算法,从而将道路交通标志从自然场景中分离出来。对数极坐标变换(LPT)与离散傅里叶变换(DFT)相结合的方法(LPT-DFT)具有旋转和尺度不变性。Contourlet变换和双数复小波变换都具有良好的多分辨率、多方向性并常应用于纹理特征提取。本文提出LPT-DFT分别与Contourlet变换、双树复小波变换(DT-CWT)结合的方法并应用Brodatz纹理图像库和交通标志图像库验证了这两种方法具有良好的旋转不变性、尺度不变性和抗噪性。另外,本文提出基于颜色直方图和纹理相结合的方法进行特征提取并通过应用模板匹配法对交通标志分类识别,通过实验进一步证明这两种方法能够有效的实现交通标志分类识别。