1.一种基于显著性计算的交通信号灯识别方法，包括如下步骤：

步骤1：读入当前交通场景图像F1，图像宽度为W，高度为H；

步骤2：从交通违章检测系统配置文件中读入事先标定的交通信号灯区域R1＝(x1,y1,W1,H1)，其中，x1和y1表示R1左上角的横坐标和纵坐标，W1和H1分别表示R1的宽度和高度；

步骤3：根据式(1)～(4)计算信号灯拓展区域R2＝(x2,y2,W2,H2)，并从图像F1中复制R2区域的子图像，设为F2；

H2＝3×H1   (4)

其中x2和y2分别表示R2左上角的横坐标和纵坐标，W2和H2分别表示R2的宽度和高度；

步骤4：通过Graph-Based Segmentation方法对F2进行超像素分割，得到超像素区域集合S＝{Ri|i＝1,2,3,…,n}，其中Ri表示S中第i个超像素区域，n表示S中的超像素个数；

步骤5：计算图像F2在Lab颜色空间中a通道上的颜色集合H＝{ai|i＝1,2,3,…,m}，其中ai表示F2在a通道上的第i种颜色值，m表示F2中a通道上的颜色数量；

步骤6：根据式(5)计算在a通道上各颜色之间的距离，得矩阵M：M＝[vij]m×m   (5)

其中，vij表示颜色值ai和aj之间距离；

步骤7：计算S中每个超像素区域的显著值，得显著值集合Ssal＝{si|i＝1,2,3,…,n}，其中si表示超像素区域Ri的显著值；

步骤8：对显著值集合Ssal进行归一化，得a通道显著图Fsal；

步骤9：对图Fsal进行膨胀腐蚀，并进行OTSU二值化操作；将处理后图像中像素值为255的区域记为Rsal；

步骤10：从图像F2中复制区域Rsal中的子图像，设为Fred；

步骤11：判断图像Fred中信号灯是否为红灯。

2.如权利要求1所述的基于显著性计算的交通信号灯识别方法，其特征在于：步骤7具体如下：步骤7.1：计算超像素区域Ri在Lab颜色空间中a通道上的直方图，得超像素直方图HRi＝{(cij,pij)|j＝1,2,3,…,ni}，cij表示Ri在Lab颜色空间中的a通道上第j种颜色取值，pij表示在Ri中a通道上颜色值为cij的像素数量，ni表示区域Ri中a通道上的颜色数量，满足式(7)：其中，Ni表示Ri中的像素数量；

步骤7.2：根据式(8)、(9)和(10)计算超像素区域Ri的显著值si：f(ciu,ckv)＝vrt,且ciu＝ar and ckv＝at   (10)其中Dr(Ri,Rk)表示区域Ri和区域Rk在a通道上的距离；f(ciu,ckv)表示矩阵M中的第r行第t列的元素值vrt，其计算规则如式(10)所示。

3.如权利要求1所述的基于显著性计算的交通信号灯识别方法，其特征在于：步骤11具体如下：步骤11.1：计算Fred中黑色像素点集合Pblack＝{(Li,ai,bi)|i＝1,2,3,…,nblack}，元素(Li,ai,bi)满足|Li|+|ai|+|bi|<λblack，其中(Li,ai,bi)表示集合Pblack中像素在Lab颜色空间各个通道上的值，nblack表示Pblack中像素点个数，λblack表示事先给定的黑色像素阈值；步骤

11.2：计算Fred中红色像素点集合Pred＝{(Lj,aj,bj)|j＝1,2,3,…,nred}，元素(Lj,aj,bj)满足aj>λred，其中(Lj,aj,bj)表示集合Pred中像素在Lab颜色空间各个通道上的值，nred表示Pred中像素点个数，λred表示事先给定的红色像素阈值；

步骤11.3：若满足：nred＞μred且nblack＞μblack，则判断为红灯；其中μred和μblack分别表示事先给定的红灯判断阈值和黑色背板判断阈值。