路标识别是近些年来研究的热点之一，它在智能交通与智能车自主驾驶方面有着重要的用途。现有的路标识别方法有基于路标颜色（间接利用颜色信息：灰度或者色彩向量）的方法和基于路标形状的方法。基于颜色的方法因颜色的像素值会受到光照条件以及天气变化的影响，所以对此类噪声影响下路标识别效果不好。原因在于该方法是利用颜色阈值进行识别和分割的。基于形状的方法对于路标图像库中两种路标的形状相似（如直行与禁止直行、左拐与禁止左拐等）的情况识别效果不好。本文结合路标的灰度信息和路标形状结构信息，利用马尔科夫随机场理论给出了能够处理噪声情况下的路标识别方法。本文研究成果如下：(1)在对基于灰度的路标识别方法和基于形状的路标识别方法进行综述的基础上，介绍了马尔科夫随机场理论及极大后验估计准则、期望最大化算法、不变矩方法、条件迭代模式算法和OSPA距离等方法，论证了综合利用这些理论或方法解决路标识别问题的可行性与有效性。(2)给出了基于马尔科夫随机场的路标识别算法。考虑路标像素之间的相关性，首先利用能够描述像素相关性的马尔科夫随机场进行建模，求得观测图像的目标优化函数；然后利用EM算法迭代产生目标优化函数的解，求得去除噪声后的观测图像；再利用不变矩方法计算观测图像的Hu矩值；最后通过比较观测图像的Hu矩值与标准图像的Hu矩值的相似性来识别路标。仿真实验验证了该方法的有效性。(3)提出了基于OSPA点集距离的路标识别算法。考虑到因路标发生旋转、微度的尺度变化以及角度问题引起的噪声问题。首先利用路标特有的结构对标准图像建立的特征库；然后利用马尔科夫随机场对观测图像建模，并利用条件迭代模式算法优化求解得到去除噪声后观测图像及其边缘；最后计算了发生微度旋转，比例变化或者平移之后的观测图像与标准图像间的OSPA距离。用计算验证了算法的有效性。