随着我国经济建设的快速发展,道路交通在国民经济建设中扮演的角色越来越重要。随之而来的道路路面的养护和管理问题愈发凸显,其中道路路面的破损检测就成为相关道路养护部门的工作重点之一。另外,随着我国一批早期建设的高等级公路进入中修或大修期,为了提高道路的使用寿命,获取路面破损的数据就成为路面养护管理部门的重要课题。目前,我国的道路路面病害检测方式仍以人工检测为主,但是人工检测的方法存在检测效率低,影响正常通行以及工作强度大、耗时、不安全等问题。因此,对路面破损检测系统的研究具有一定的现实意义。本文重点阐述了基于图像处理的路面裂缝检测技术的研究工作。本文首先阐述了有关路面破损检测系统的国内外研究现状和发展趋势,并介绍了我国道路病害类型及评定标准的相关技术规范。本文着重研究了道路路面破损检测中的一个部分,即道路路面病害中沥青路面裂缝的检测。通过参考国内外相关检测技术的特点,在硬件系统上提出了基于机器视觉的裂缝检测方法,检测主要包括以下几部分：路面图像采集系统、GPS地理信息定位系统、计算机图像处理系统以及照明系统等。本文对数字图像处理方法进行了深入的研究,包括图像增强处理,图像边缘检测以及图像分割技术等内容。数字图像处理是本文的研究重点,同时也是路面裂缝检测技术的核心内容。文中对不同处理算法的结果进行了优缺点分析。图像增强处理能有效的降低图像中的噪声干扰,经过图像处理裂纹图像有利于后续的图像分割和识别。在图像分割处理中,介绍和比较了几种传统的图像分割方法,最后选择迭代法对裂缝图像进行阈值分割处理。最后,对道路路面裂纹图像的分类识别进行了研究,介绍了几种常见的模式识别方法包括：统计模式识别、模糊模式识别、神经网络模式识别以及支持向量机的模式识别方法。本文选用基于BP神经网络的分类器对路面裂缝图像进行识别分类。设计了一种3层BP神经网络,选择了三种裂缝提取特征作为输入向量,以及四个输出分别表示横向裂缝、纵向裂缝、网状裂缝和无裂缝。通过MATLAB进行仿真实验,结果证明BP神经网络分类器能够有效的对路面裂缝进行分类且准确率较高。