图像识别一直是模式识别领域中的重要研究课题之一。本文以交通标志的识别为研究背景,通过对其识别流程的详细分析,将课题分为图像分割、图像预处理、特征提取和分类识别。首先,文章提出了基于RGB模型的交通标志分割方法,该方法提取图像的R、G、B三分量。由于目标背景在三个分量图中灰度差异并不大,因此可以使用R、G、B分量图像互减的方法来提取交通标志图像,并用Otsu法动态选取阈值进行分割。结果表明该算法不仅计算量较少,分割效果较为理想,而且提高了系统的实时性。其次,在总结当前国内外研究成果的基础上,本文提出了一种基于Hu矩的改进不变矩特征提取方法。得到一组更一般化的不变矩度量,其并具有旋转、平移和比例不变性。在文中,我们分别运用改进不变矩法与Hu矩法提取交通标志的特征,进而利用BP神经网络作为分类器进行识别。实验结果表明,与传统Hu矩的方法相比,改进后的不变矩特征识别率更高,对交通标志具有很好的分类能力,同时也证明了通过改进提取的特征,不仅可以达到提高识别精度的目的,而且能够满足在车辆自主导航系统中对交通标志识别的要求。显然,本文提出的基于改进不变矩的交通标志识别算法具有优越性。