随着科学技术和人们生活水平的提高,智能交通系统的出现为人们安全出行提供了解决方案。交通标志识别作为智能交通系统中最核心的部分,多年来一直肩负着为驾驶员提供安全保障的使命,交通标志识别主要包括预处理、交通标志检测以及识别等内容。交通标志识别一直是研究人员和学者们研究的热点,虽然多年的研究已取得一定的成绩,但随着社会经济的发展,人们对汽车的保有量不断增加将不可避免的导致交通拥堵。本文主要对交通标志预处理、检测和识别三个部分进行探讨研究,同时针对识别方面对特征提取进行了改进,提出一种信息熵加权分块LBP特征的方法,该方法首先计算分块信息熵和全局信息熵,然后将二者之比得到每个分块的权值,再级联HOG特征,接着进行线性融合得到最终的特征,通过实验验证了这个方法的有效性。本文的主要工作如下:(1)预处理。交通标志预处理针对的是光照不足或者雨雾天气的情况,本文将对光照不足或雾天采集到的交通标志图像进行直方图均衡化和对比度受限的直方图均衡化对比分析,通过三种天气条件下的实验对比,采用对比度受限的直方图均衡化对图像的增强的方法要明显优于直方图均衡化,所以最终采用对比度受限的直方图均衡化的方法进行图像增强。(2)交通标志检测。针对限速标志,在HSV颜色空间下进行红色区域的提取,初步分割出感兴趣区域,然后通过二值化和形态学操作,通过大面积法先过滤一部分ROI区域,最后根据类圆度和面积权值法对限速交通标志进行精确定位。(3)交通标志识别。本文提出一种信息熵加权分块LBP特征的方法,由于一种特征并不能完全表征交通标志,所以本文通过提取多个特征,利用特征之间的互补性以便更全面的表征交通标志信息。首先对图像提取梯度直方图HOG特征,然后将图像进行分块提取LBP特征,利用信息熵加权(分块信息熵与全局信息熵之比)的方式对每个分块计算权值,得到BWLBP特征,与HOG级联形成融合特征HOG-BWLBP,通过实验表明分块信息熵加权后提取的BWLBP特征比原始LBP特征具有表达能力强、分类效果优等特点。最后选择线性支持向量机进行分类识别。