随着我国高速公路建设的快速发展，高速公路路面质量监控体系越来越完善，要求的检测水平也越来越高。目前，国内检测高速公路路况的手段主要还是依靠人工的方法，难以满足高速公路路况检测自动化的需要。计算机图像处理与识别技术运用到高速公路路面检测可以提高检测的效率，减小检测误差。基于此目的，本文研究了高速公路路面智能检测系统中的若干关键技术。在对数字图像处理与识别以及人工智能等相关技术研究的基础上，根据高速公路路面图像的实际情况给出了一些改进的图象处理和识别的算法，并设计和实现了江苏省高速公路路面表面破损智能识别系统（Road Surface Recognition System）。本文主要研究内容和创新点如下： （1）给出一种基于边缘检测的图像分割算法，通过改进的边缘检测算子对高速公路路面图像进行边缘检测，然后对边缘图像结果使用自适应双阈值法进行二值化以获得破损目标。 （2）提出了一种基于规则的边缘连接算法，该算法能对不连续的破损目标边缘块进行连接。实验表明该方法能有效的抑制噪声，连接效率高，并且保证了较高的连接正确率。 （3）给出了一种基于决策树构造神经网络的方法，并利用该方法构造的神经网络对提取的高速公路路面破损目标进行识别和分类。实验表明，使用该方法构造的网络进行破损目标的分类识别具有速度快，精度高等特点。 （4）设计并实现了江苏省高速公路路面表面破损智能识别系统RSR，该系统能有效地识别出各种裂缝和坑槽等常见高速公路破损。