随着科学的进步、城市化的发展,机动车数量和出行人数的大量增加,道路交通安全问题变得日益突出。在这种背景下,人们开始投入智能交通系统(Intelligent Transportation Systems ,简称ITS)的研究中。智能交通系统是一门包括图像处理、数字信号处理、电子技术、人工智能、信息技术、模式识别、通信技术和系统工程等的综合系统,它对保障交通系统的安全运行具有十分重要的意义。道路交通标志识别(Traffic Sign Recognition,简称TSR)系统作为智能车辆的重要子系统,已经成为半自动和自动车辆重要组成部分。它的作用就是在车辆行驶过程中对道路交通标志图像进行采集和识别,及时地向驾驶员做出指示或警告,引导驾驶员正确地控制车辆,以保持交通通畅和预防事故的发生。所以研究道路交通标志识别系统是具有重要的理论意义和实用价值。本文选择限速标志作为研究对象主要基于识别算法的可靠性和有效性。本文的主要研究内容包括:(1)由于环境因素的原因,比如天气状况、路况信息,会造成获取的图片颜色失真、尺寸太大或过小、图片模糊。在这样的情况下,必须对其进行预处理。本文采用的预处理包括在HSI空间I通道进行直方图均衡化算法,使图片的亮度增强;利用图像缩放技术调整图像尺寸;通过图像复原技术使模糊图像变得清晰(2)根据本文研究的限速标志的颜色特征,本文采用了在RGB颜色空间和HSI颜色空间的色调H通道进行颜色分割,将背景和目标区域分离,生成二值图像。在RGB颜色空间中可以把目标区域显著的分割出来,而且花费的时间较少,不足之处就是噪声点多;而在HSI空间H通道进行分割,由于黑色没有色调,所以可以将红色分割的很好,噪声点很少,但是黑色部分完全的被忽略掉了,而且由于有个从RGB空间到HSI空间的转换的过程,所以相对于RGB空间的分割耗时。通过对比分析,本文采用在RGB空间的颜色分割。由于噪声的存在,本文在颜色分割后采用了中值滤波去除孤立点噪声。(3)根据本文研究的限速标志的圆形特征,本文利用基于圆形度参数提取出图像中的圆形目标区域。圆形度的计算是根据每个区域的面积和周长的计算求得的。该方法计算量小,实时性很好,而且可靠性很高。在形状提取之后,利用投影法去除圆形轮廓,然后对剩下的目标区域进行数学形态学处理填充边缘的孔洞和去除边缘的毛刺,使目标区域光滑。(4)识别工作是本文研究的内容中最重要的部分。首先通过模板法提取目标特征,然后分别采用模板匹配和BP神经网络对目标进行识别。通过比较,BP神经网络的识别精度优于模板匹配。