随着科技发展和社会的进步，许多国家已基本建成现代化的国家道路交通网。与之相伴的是，交通安全、运输效率、环境污染和城市规划等问题也变得日益突出。目前，各国政府已从修建更多的道路、扩展路网规模逐步转移到采用高新智能技术改造现有的道路交通系统和管理体系上。智能交通系统是一个集通讯、检测、控制和计算机技术于一体的综合系统，对保障交通系统的运行安全及运输效率，促进国民经济的发展有重要的意义和经济价值。 交通标志识别系统是智能交通系统的一个重要子系统，对它的研究具有重要的理论意义和实用价值。本文针对交通标志识别系统中检测和识别两个阶段的关键性技术进行了较为深入的研究，设计并实现了一种新的基于神经网络的交通标志识别系统。本文的主要工作和成果可以概括为以下四个方面： 1.提出了一种新的基于RGB颜色空间的交通标志分割算法。针对我国交通标志的颜色特征，提出了一种新的基于RGB颜色空间的快速交通标志分割算法。该算法通过RGB分量值互减的方法来避免不同光照的影响。实验证明，该算法可以在保证分割质量的前提下，较大程度地减少运算量，从而提高算法的运算速度，改善交通标志识别系统的性能。 2.设计了一种适用于实景图像中交通标志的目标区域检测方法。通过对分割后的交通标志图像进行一系列数学形态学处理，获得图像中可能的交通标志区域，而后通过设定面积阈值的方法，滤除图像中的干扰区域，最后通过投影法截取出可能的交通标志区域。 3.提出了一种适用于实景图像中交通标志的形状特征提取算法。利用交通标志检测过程中获取的交通标志区域，采用基于区域特征的形状参数描述法，提取交通标志的形状特征。实验证明，本文所选取特征具有较强的稳定性，所采用特征提取算法具有较高的鲁棒性。 4.提出了一种基于神经网络的交通标志两级分类识别算法。在对我国交通标志颜色和几何属性的对应关系进行归纳的基础上，将三大类116种道路交通标志划分为5个子类。依据5个子类的不同特点，提出了一种基于神经网络的交通标志两级分类识别算法。分别提取交通标志的形状特征和不变矩特征作为两级神经网络的输入，从而使神经网络完成交通标志的形状分类和类型判别功能。该结构优化了系统流程，降低了系统的复杂度，同时有利于增强系统的可扩展性。