随着社会的不断进步和科学技术的迅速发展，机动车辆的普及为人们生活带来便利的同时也引发了诸多问题，其中交通事故的频繁发生严重影响到人们的正常生活。智能交通系统作为对其的一种解决方案已被各国政府和研究机构广泛关注。交通标志检测与识别技术作为智能车辆导航系统中的重要组成部分，现已成为各国交通领域的研究热点。有效地检测与识别交通标志将有助于提高机动车辆驾驶的辅助性和安全性。因此，设计一种实时高效的交通标志检测与识别算法具有重要的研究意义和应用价值。针对自然场景下静态图像和动态视频中交通标志检测与识别技术所存在的问题，本文提出了一种基于视觉显著性的交通标志检测与识别解决方案。主要工作如下：在检测算法方面：本文将对数Gabor滤波器与四元数傅立叶变换相位谱相结合，提出了一种新的多尺度显著性目标检测算法，并利用其对交通标志实现了定位。随后，本文还生成了显著性目标驱动下的前、背景自动画笔，并融入到已有的交互式图像分割方法中以取代人工标记过程，实现了基于视感知的动、静态自然场景下的交通标志自动提取。实验结果表明：所提算法优于传统的显著性检测算法，且能够准确地检测并提取出自然场景中显著性交通标志。在识别算法方面：本文提出了一种基于快速鲁棒的SURF特征描述子（SpeededUp Robust Features）的交通标志局部特征描述方法，并结合局部特征约束编码LLC（Locality-constrained Linear Coding）方法构建交通标志特征向量；并在本文自建的1000幅禁令和非禁令交通标志的正负样本库上，利用支持向量机对其进行训练和分类识别。最终，通过实验对所提识别算法的性能和可靠性进行了验证。实验结果表明本文所提算法不仅运算速度较快，且平均识别准确率可达98%以上。