本文的研究目的:1.针对多功能高等级公路路况数据自动采集车在时速70km/h下,CCD摄像机摄取的路面破损图像,以Pal-King模糊增强算法为研究基础,建立新的模糊增强算法,结合图像分块的增强方式,对路面破损图像进行快速处理,使增强后的图像接近反映真实裂纹分布状态的二值图像,减轻人工识别的工作负担。2.在研究传统图像分割技术的基础上,提出一种快速的路面破损图像进行图像分割的新二值化算法,二值化后的图像经过去噪声处理,能够反映真实裂纹信息。3.采用新的特征向量提取方法,通过聚类分析的方式达到自学习的效果,完成路面破损类型的自动识别。本文的主要研究内容:1.通过分析各种路面破损图像增强技术应用于多功能高等级公路路况数据自动采集车采集的图像的效果,找到各种算法的不足。由于实际应用中,图像本身的边缘、区域、纹理等具有模糊性,对图像处理结果的描述、解释带有模糊性,因此重点研究模糊增强算法中的经典Pal-King算法,找出该算法的不足,提出改进方案,从而找到一种新的模糊增强算法。2.研究经典的路面破损图像二值化算法,分析二值化效果不佳的原因,找出一个适用于多功能高等级公路路况数据自动采集车采集的图像的二值化算法。3.根据二值化后的图像,经分析、试验得出一种特征值提取的方法,从而根据特征值实现破损类型的自动识别。本文的研究成果:1.在Pal-King经典算法的基础上,提出了一种新的模糊增强算法,结合图像分块增强的方式,对路面破损图像进行快速处理,增强后的图像不仅剔除了阴影的干扰而且照度均匀,接近反映真实裂纹分布状态的二值图像。2.在研究传统路面破损图像分割方法的基础上,根据同一区域内像素之间灰度变化平缓、起伏较小、统计方差小,在区域边缘像素之间灰度值的起伏变化大、统计方差大的路面图像的这一基本事实,提出了一种以图像灰度标准差和灰度均值为判别基础的图像分割新算法,3.根据该算法二值化后的图像,使用新的特征量提取方法,达到高准确率的自动识别的目的。