基于机器视觉的交通标志识别是智能交通系统与辅助驾驶系统的重要组成部分。交通标志的主要作用是提示道路使用者路况信息、道路存在的潜在危险,避免交通事故的发生。国内外许多专家和学者对交通标志的识别曾展开深入的研究,但受到诸如遮挡、颜色退化和阴影等复杂环境因素影响,遇到许多困难,在研究过程中也出现了一些不足。本文通过对基于机器视觉的道路交通标志图像的检测、提取和识别等技术的研究,提出了弱光照条件下,交通标志检测和识别的方法。本文主要的研究方向是交通标志的检测和识别,首先从交通标志的颜色和形状特点着手,把交通标志进行重新分类,提出了颜色形状对的概念,并建立了颜色-几何模型;然后对在弱光照条件下收集的交通标志图像进行研究,得出图像增强处理的算法。针对图像在不同自然场景下采集时存在的噪点、光照不均匀等现象,对采集的图像进行预处理,经过直方图的均匀化来达到图像的增强效果,然后通过逆滤波与维纳滤波处理进行图像的复原,最后进行高斯滤波处理。研究了RGB彩色图像检测与基于形状特征的边缘检测,再结合颜色和形状特征进行检测,这样更加有效地检测出交通标志的类型。运用MATLAB进行交通标志检测实验,得出弱光照、光照良好与阴雨天气条件下的交通标志的检测率、误检率及漏检率。本文在图像提取方面主要用到的是不变矩与Zernike矩特征快速算法,结合颜色特征和图像的纹理进行提取。主要研究的交通标志图像识别技术是模板匹配和支持向量机,实验表明,采用该算法对图像的识别具有良好的效果。研究了图像标记的处理技术,将前文识别出的交通标志在谷歌地球上进行标记,然后保存并推广,有效减少了潜在的违章现象。本文的实验结果表明,在弱光照、遮挡和阴影等复杂环境下具有很好的鲁棒性,同时具有较高的检测率,有效提高了图像的识别率。