交通标志检测与识别作为辅助驾驶及智能交通系统的一部分,具有广泛的应用前景。由于场景的复杂性以及交通标志的多样性,目前对交通标志的自动检测和识别水平还不能满足实际的应用需求。本文研究了基于显著图的交通标志检测方法,首先生成融合颜色和边缘特征的交通标志显著图；然后采用聚类的方法检测交通标志的候选区域；最后采用局部霍夫变换的方法精定位交通标志区域,并根据区域的形状去除假目标。交通标志是设置给人看的,因此其设计和安装过程都充分考虑了人的视觉特性。本文首先从视觉注意机制的角度出发,分析了交通标志区别于自然场景的显著特征,然后针对经典的Itti显著性模型实验中出现的不足,采用了改进的交通标志显著图的计算方法。显著性模型中通常采用胜者为王的机制定位目标,检测的区域是以注意焦点为圆心且半径固定的圆,一般要比实际的目标区域大。本文设计了基于聚类的交通标志粗定位方法。首先选取全局阈值去除显著图中特征较弱的区域；然后根据显著特征值和位置关系进行动态聚类；最后根据聚类区域之间的中心距离以及聚类区域内的位置方差进行分裂和合并操作,得到单个交通标志的大致位置。实验结果表明,本文的方法可以在较短时间内检测出交通标志的候选区域。显著性模型的原理决定了其无法精确定位目标的区域,因此本文在粗定位的基础上,采用局部霍夫变换的方法精定位交通标志区域,并根据区域中目标的形状去除虚假目标。椭圆检测是利用其对称性检测不同方向上对称轴的来近似实现的；三角形和矩形检测是通过分析直线的位置、夹角以及交点坐标来实现的。实验结果表明本文提出的交通标志检测方法获得了较好的效果。