随着公路建设迅速发展,公路等级要求不断提高,对公路路面进行检查与维护已成为最近几年公路建设的首要任务。路面裂纹是大多数路面病害的早期形式,及时发现裂纹并进行修补能够有效降低路面病害带来的损失。因此,路面裂纹检测具备重要的现实意义。路面裂纹检测一般包含图像预处理、分割、特征提取和分类识别四个部分。本文在数字图像处理技术的基础上对路面裂纹图像检测识别系统进行了研究。主要工作和结论如下。在图像预处理方面,将改进中值滤波和反锐化掩膜算法结合起来,利用改进中值滤波与原图像的差值获取图像的细节信息,采用自适应调节参数控制细节锐化,再利用模糊数学算子代替普通的加减和数乘进行反锐化掩膜运算解决图像中局部细节信息的模糊性。实验结果表明,该算法能够凸显图像的细节信息,提高整体的对比度,并且能够有效抑制噪声,为后续裂纹分割奠定基础。在图像分割方面,首先研究边缘检测算子在裂纹图像分割中的具体效果,针对边缘模糊不易提取的问题,提出一种改进的模糊聚类分割算法,采用共享最近邻算法获取最佳初始聚类中心,避免聚类出现局部最优现象,从而使分割结果达到全局最优。最后对所得二值图像进行一系列的膨胀、腐蚀、开运算和闭运算等形态学处理操作。实验结果表明,该算法能够提取出完整的路面裂纹图像,具有很好的分割效果,最终达到提高裂纹识别率的目的。在图像特征提取方面,首先研究路面裂纹的四种类型,通过投影特征和Hu不变矩提取形状特征,通过灰度共生矩阵和Gabor小波变换提取纹理特征,并分别计算各特征的识别权重,对四个特征进行加权融合,得到最终的融合特征。在图像识别方面,针对本文提取的路面裂纹的特征,将支持向量机作为最终的分类器,并采用一对多的方法,对提取的特征进行训练。实验结果表明,基于单一特征的图像识别,不能准确地识别出裂纹图像,而本文算法在提高多特征融合识别率的同时,也降低了传统融合算法的计算复杂度。