近年来,全球环境问题、能源问题和交通安全问题日益严重,为解决相关问题,各国研究人员提出了多种解决方案。其中,智能交通系统(Intelligent Transportation System,简称ITS)的研究逐渐成为当今世界的关注热点。交通标志识别是智能交通系统的一个重要方面。从二十世纪八十年代国外已经开始对交通标志的识别进行了研究和探讨,但由于交通标志自身和环境的复杂性,尚没有非常成熟的交通标志识别系统。因此,对如何实现真正实用高效的交通标志识别系统还需要进一步研究。按照位置的不同,交通标志分为空中交通标志和路面交通标志。本文主要针对三种典型的路面交通标志(直行标志、直行右转标志和左右转弯标志)进行了以下研究：1.为了解决由摄像机拍摄角度所造成的图像畸变问题,本文通过建立一种摄像机隐式模型,并采用了控制点快速获取的方法进行图像场景重建；2.由于路面交通标志环境的复杂性,直接对图像进行整体分割效果不理想。因此,本文采用了一种基于感兴趣区域的图像分割方法。该方法通过采用Hough变换方法对车道线检测来建立路面交通标志的感兴趣区域,对感兴趣区域进行一维熵分割、图像滤波和Canny算子边缘检测获得目标图像；3.为了构建可以有效表征图像的特征向量,本文通过对传统Hu不变矩的改进得到离散情况下具有平移、旋转和尺度缩放不变性的改进Hu不变矩,提取图像的改进Hu不变矩和仿射不变矩特征并进行对比分析,选择其中具有良好聚集性和可分性的特征来构建图像的特征向量；4.为实现路面交通标志分类器的良好识别效果和推广性能,文中采用了一种基于支持向量机(Support Vector Machines, SVM)的1-a-r多类分类器,并通过实验选择分类器的核函数类型并确定相关参数。5.通过实验对本文所采用的方法进行验证。