智能交通系统通过人与车、车与车、车与路、车与传感器等设备之间的信息共享,使得人、车、路三者之间的关系更加和谐,因而各国的研究工作也相继展开并得以迅速发展。而作为智能交通系统重要组成部分的交通标志识别系统也得到了相应的重视与发展,该系统可以帮助驾驶员判断路面交通状况,从而有效增加行车安全性,所以,对它的研究具有着重要的理论意义和实用价值。本文基于图像处理技术,针对交通标志的检测和识别技术进行了以下研究：(1)基于交通标志的颜色信息,将自然条件下的交通标志图像转换到RGB、HSV和SVF颜色模型空间进行颜色分割,并通过实验对比分析了三种模型下的分割结果；实验结果表明,三种分割算法中SVF算法分割效果最好,利用颜色特征能排除大部分干扰背景,同时得到了包含目标区域在内的候选区域。(2)在颜色分割的基础上运用二值化分割算法进一步分离图像背景与候选目标区域,对二值化图像进行消噪、平滑处理,利用数学形态学对候选区域进行了填充并得到完整的候选区域,通过面积阈值排除了大部分的非目标候选区域,而后基于连通区域法获取外接矩形,并提取自然场景下的交通标志。分析了我国现有常用交通志的形状属性特征,并将交通标志形状属性的约束条件作为交通标志初步分类的依据。(3)分析了特征选择与提取理论,研究了Hu距与zernike距的旋转、缩放、平移不变性,选用Hu距和zernike距为交通标志图像的识别特征,而后通过计算提取了交通标志样本的Hu不变距和Zernike不变距特征值,并对特征数据进行了归一化处理。鉴于交通标志属于小样本问题,基于统计学与VC维理论及设计原则,基于SVM设计了分类器,并对分类器中的参数(C,g)进行了寻优处理,以期获得最优的分类结果。最后,基于文中设计的分类器,完成了预测模型的训练和待分类标志的识别实验,并对实验结果进行了分析。基于前文的研究和分析,设计了算法实现框图,利用模块化结构思想设计了交通标志识别系统及相应的工作界面,并通过实验验证了系统的可行性。