路面裂缝检测是公路路面质量管理的重要组成部分,随着自动化检测程度的不断提高,基于图像分析的路面裂缝检测与识别方法成为路面检测技术的发展趋势。通常情况下,路面裂缝容易受到噪声和各种路况的干扰,使裂缝检测较为困难。本文在分析总结了一些学者的研究成果的基础上,从实用角度出发,研究了路面裂缝检测与识别分析关键的实用技术,主要研究内容如下:研究了路面裂缝图像增强技术,将改进中值滤波和小波阈值滤波方法联合起来对裂缝图像进行混合去噪,取得了一定的去噪效果;特别地,针对路面裂缝图像受到光照不均匀的影响,针对传统同态滤波方法抑制不足,应用基于小波变换的方法抑制裂缝图像光照不均匀,并与同态滤波方法进行了对比实验。研究了裂缝目标提取方法,研究了传统图像分割方法诸如边缘检测算子、阈值分割算法在裂缝图像分割中的应用效果;研究将多结构元素抗噪型形态学边缘检测算子应用到路面裂缝目标提取中,并进一步研究了以OTSU结果为基础、提取局部灰度特征、相异度特征和方向特征进行细划分并采用多结构元素形态学二值去噪的裂缝图像分割方法,并取得了不错的目标提取效果,稳定性较好,能够满足道路路面裂缝检测的要求。分析了路面裂缝的四种类型,根据裂缝的特征提取了投影变换-破损特征向量、裂缝分布密度特征向量,针对裂缝分布密度特征向量的不足,研究了改进裂缝分布密度特征向量的提取方法,并给出了融合特征向量的表征方法。然后,基于BP神经网络设计了三个裂缝分类器。实验结果表明,改进裂缝分布密度特征分类器的识别效果优于投影变换-破损特征分类器和裂缝分布密度特征分类器,但对非线性裂缝的分类识别方面还需要进一步改善。同时根据三个分类器的识别效果,设计了融合分类器,进行对比实验分析,表明融合分类器的优势。