随着汽车保有量的增加,道路交通流量日益增加,交叉路口的压力越来越大,然而绝大部分的交通信号灯为定时控制,该方法不能有效的发挥交叉路口的通行能力,因此需要建立合理的交通信号灯智能控制系统。针对这一背景,本文首先分析了智能交通信号灯控制所需的关键技术和发展现状;然后建立了基于图像处理的智能交通信号灯控制系统,该系统共有两个模块:图像处理模块和智能控制模块;最后通过实验验证了该系统的有效性。在图像处理模块,本文提出了基于直线方程的车道线提取算法,实现了车道线的稳定提取;采用基于车道线的单车道提取算法并结合模板化方法实现了单车道的快速提取;提出了基于单车道的快速背景提取算法,从而提高了系统的实时性;建立了沿道路长度方向和宽度方向的行坐标模型,实现了图像坐标系和世界坐标系的距离转换,从而完成了车队长度的测量和车辆类型的识别,最终获得了各个相位的当量车队长度。在智能控制模块,本文采用了模糊神经网络的控制算法,从而将专家经验融合到该系统中并且使其具有自学习的功能;本文制定了简单的自适应准则,使得系统可以自动的修正样本并完成自身的训练,从而能够适应不断变化的道路交通状况。最后本文以平均延误时间作为各种控制算法的评价指标,完成了对定时控制、模糊控制、神经网络控制和模糊神经网络控制的仿真实验,实验表明模糊神经网络控制在交通流量中等和交通流量不均匀时具有优越的控制性能,并且该系统能够不断地适应交通流的变化。