交通标志识别系统作为智能交通系统的重要组成部分,为驾驶员提供道路场景中交通标志的位置和类别。获取交通标志所在位置是交通标志识别的前提,准确的检测结果能大大提高交通标志的识别效率和准确率。在实际交通环境中,交通标志易受到光照、遮挡、阴影、旋转、背景色相似等问题的干扰,严重影响了交通标志的检测率,我们称之为退化交通标志问题。本文针对退化交通标志的特点,分别从图像增强、分割、特征提取和分类等方面做了深入的研究,具体的工作为：(1)针对场景图中交通标志易出现的光照不均、阴影、消色等退化问题,提出了一种归一化RGB阈值增强算法。该算法在RGB颜色空间中采用归一化的方式来消除光照和阴影的影响,又分别使用两种不同增强方法增强彩色底交通标志和白色底交通标志(包括消色标志),有利于提高这两类不同底色交通标志的检测率。该算法能比较好地解决上述退化问题,有效增强交通标志候选区域,抑制背景区域。(2)针对交通标志与背景颜色相似和多个交通标志互相粘连导致的分割问题,采用了基于区域检测的最大稳定极值区域(Maximally Stable Extremal Regions, MSER)分割算法,能有效分割出交通标志候选区域。但其问题是候选区域多、运算量大,本文对MSER算法参数和区域筛选环节进行了优化,减少了候选区域,提高了算法效率。(3)针对交通标志局部遮挡的退化问题,基于方向梯度直方图(Histogram of Oriented Gradient, HOG)特征和线性支持向量机(Support Vector Machine,SVM)的分类器结构,给出了一种新型分类方法。传统HOG特征和SVM方法基于整个候选区域进行特征提取和分类,遮挡部分会降低候选区域的得分。本方法对候选区域进行16分块(block),根据每个block的得分情况剔除可能为遮挡区域的block,提高局部遮挡标志的整体得分,从而有效提高了局部遮挡标志的分类准确性。本文主要针对退化交通标志进行研究,设计了一套交通标志检测流程。通过实验验证,设计的交通检测算法对退化交通标志的检测有较高的准确率和鲁棒性。