车辆行驶中的视觉显著目标检测及语义分析是智能化交通环境感知系统及车辆主动安全技术的重要组成部分，其研究的主要目的在于给车辆驾驶员辅助性的安全预提示，降低交通事故带来的人身财产损失，通过交通预测实现节约能源消耗和环境保护的目的，受到国内外学者的广泛关注。针对交通环境视觉感知技术中的显著目标检测及语义分析问题，本文建立了基于生物视觉和语义分析的显著目标注意模型，并在此基础上，对交通标志检测和识别、车道线检测等问题进行了较深入的研究，具体研究内容归纳如下：（1）模拟底层生物视觉信号的处理过程，研究了静态和动态的显著目标检测方法。首先模拟视网膜对静态环境的响应机制，采用稀疏编码和功率谱滤波来消除冗余信息，并结合上下文颜色对比来消除全局重复性；然后模拟视网膜的动态响应机制，通过局部相对熵算法，建立类马尔可夫模型，检测运动目标的显著区域，跟其他方法相比较来证明本方法的有效性。（2）提出了一种面向高层语义的复杂交通场景识别方法。首先，给出了一种基于大气反射模型的雾霾天气场景增强方法，然后，在词袋模型和概率潜在语义分析中加入最大期望算法来解决复杂自然场景的语义识别，本方法在标准数据库和实际交通环境中的准确率均大于80%。（3）建立了一种联合低层特征和高层语义协同驱动的视觉模拟计算模型。首先，采用小波模拟视觉的底层数据过滤过程，通过概率统计获得目标可能出现的区域，然后，联合场景语义和上层任务指导，采用协同机制将注意资源引向需要关注的目标，最后，对典型数据库和实际的交通环境进行测试表明本文方法的准确率优于传统方法。（4）实现了基于视觉注意模型的交通场景显著目标检测和分析方法。首先，基于视觉对抗色和径向对称性特征，通过中央周边差算法来凸显交通标志区域，其次，用对数Gabor和相位一致性来提取目标的轮廓信息，并采用支持向量机进行目标分类。然后，通过Gabor小波模拟视觉的方向性特征来检测车道线边缘，并采用快速Hough算法进行线段筛选，最后，在不同的天气和交通场景下对本算法进行测试，证明算法的实时性和鲁棒性。（5）研制了一套用于车辆行驶中视觉显著目标检测及语义分析的辅助驾驶装置。设计并实现了用于动态图像采集、处理和显示的硬件系统，基于开源计算机视觉软件平台设计了算法程序，实现了本文所提出的方法，并进行了实车测试。综上所述，本文研究了显著性区域提取，交通图像的增强及语义分析，主动的视觉注意模型，以及车道线检测，交通标志检测与识别，并进行了实车试验，得出了若干有价值的结论。