当今社会交通拥堵问题已严重制约着城市的发展,各国学者均提出利用智能交通系统来解决这一难题。交通标志识别系统是智能交通系统中不可或缺的环节,但在雾霾天气条件下,外界环境中拍摄到的交通图像退化严重,无法保证识别系统的准确率。另一方面,移动设备在日常生活中不可或缺,以Android为操作系统的设备更是成为市场的主流。因此,本文通过研究雾霾天气下退化图像的物理模型,提出基于天空区域分割的单幅交通图像去雾算法,探究了交通标志的检测与识别方法,验证本文所提去雾算法的有效性,最终将系统移植到Android平台上,初步实现将适应雾霾天气的交通标志识别系统移植于移动设备上。首先,针对现有去雾算法直接应用于含有大面积天空区域的交通图像时容易出现过渡区域明显、偏色严重,不能满足后续交通标志检测系统的应用要求的现象,根据经典的暗原色先验原理,提出了改进的交通图像去雾方法。利用改进的均值漂移算法对交通图像进行分割,天空区域采用直方图均衡化算法去雾,非天空部分使用基于快速双边滤波的暗原色先验算法处理,通过图像融合得到最终清晰图像。经仿真实验验证,相比于其他几种典型去雾算法,所提算法对交通标志图像中天空区域的过渡区域和色彩失真现象有所改善,通过定量分析可知复原效果较好。其次本文通过颜色-形状检测确定出交通标志感兴趣区域后,利用PCA技术对样本的HOG特征进行降维,通过训练得到SVM支持向量机对交通标志进行分类。本文建立了针对于退化图像的交通图像数据库。通过设计不同的图像检测流程,检测上述去雾算法对交通标志检测识别效果并进行分析,实验结果表明,加入了本文算法的识别系统对于数据库中的交通标志的识别率高于加入其它经典去雾算法的识别系统。最后将该检测识别系统移植到Android平台上,初步实现了一款能够适应雾霾天气的交通标志检测识别系统的应用程序。