随着科学技术的不断发展,智能交通系统(Intelligent Transportation System,ITS)已经成为国内外广泛研究的课题。这些系统利用计算机视觉采集环境信息,指导道路交通参与者,从而提高交通运输的效率,减少事故。其中道路交通标志是重要的交通信息,如何准确而实时地识别运动状态下的道路交通标志是ITS的热点也是难点问题。通过车载视觉系统获取的道路交通标志图像,受光照不均和噪声污染的影响,同时由于车辆运动造成运动模糊和目标区域的形变,给目标的检测和识别带来很大的困难。文章就图像的运动模糊问题做了深入的研究,提出了一种高鲁棒性和适应性的运动模糊图像复原新算法。该算法使用“中值互补模板法”进行噪声能量的估计,在对数能量谱域内使用改进的Radon变换实现模糊角度的识别,旋转图像使运动模糊出现在水平方向,最后采用傅里叶双谱的方法识别模糊长度,从而降低了噪声对运动模糊参数识别的影响,也提高了模糊识别的精度。为了进一步提高图像的清晰度,采用直方图均衡化的方法提高图像的对比度,在目标区域检测方面,采用基于不同颜色空间的方法实现了区域分割。对于两种操作,分别对比了基于RGB模型和HSI模型的方法的处理效果,对分割的结果使用形态学的方法进行优化,得到了理想交通标志区域分割结果。车载辅助驾驶系统对实时性的要求很高,同时又不能占据很大的空间。基于DSP的嵌入式系统能很好满足系统的需要,采用CMOS图像传感器作为图像采集芯片,它高的集成度和与DSP芯片TMS320DM642的完美接口能使系统尽量简单,便于进一步的开发。