随着经济社会不断发展,汽车保有量逐年上升,交通阻塞和交通安全问题日益严重。尤其是在大城市,交通事故的增加和环境污染的加剧几乎成了城市当前面临的通病,甚至成为经济发展的负担。智能交通技术在此背景下产生并得到了迅速的发展。交通标志作为重要的交通安全附属设备,在引导行人、规范交通车辆、指引车辆行车路线等方面起到不可替代的作用。交通标志识别系统属于智能交通技术的一部分,该系统可以应用于智能驾驶辅助系统和无人驾驶车辆中,而交通标志分割是交通标志识别的重要基础和前提,分割结果直接影响着标志的识别率。所以能否快速高效的实现标志分割,成为了交通标志识别系统成功与否的关键。论文以真实场景下的交通标志作为研究对象,从颜色、形状方面对交通标志分割方法进行了研究。结合颜色和形状特征实现了交通标志分割。主要研究内容和创新如下：(1)利用颜色特征处理技术主要讨论基于RGB颜色空间、HSI颜色空间和OHTA空间的颜色分割,同时在RGB空间下利用支持向量机方法进行分割。通过颜色特征能够去除大部分非交通标志区域。(2)对颜色特征分割后的图像进行灰度化,提出一种基于灰度直方图的多阈值分割算法。利用此算法得到的二值图像进行形态学的处理。(3)鉴于交通标志的固有形状信息,提取特征进行形状判定。对二值图像进行轮廓提取,提取出目标区域的轮廓信息并用链码表示。作为对比,利用改进的边缘检测方法作用于灰度交通标志图像提取边缘信息。(4)由于边界不变矩具有旋转、平移和缩放的不变形,适用于交通标志图像处理。根据链码表示计算边界不变矩,根据边界不变矩的值确定图像中的交通标志区域。自然场景下交通标志分割实验表明：在颜色空间下对交通标志进行初分割,对分割后的图像灰度化,进行自适应阈值选择之后得到二值图像,然后利用标准图像的轮廓信息计算边界不变矩建立形状模板,对目标图像进行形状判定,此方法能够达到较好的分割效果。