道路建设及发展在全国乃至全世界的交通基础设施中都占据着举足轻重的地位。然而在道路的使用过程中,不可避免地出现各种破损、坍塌和变形等病害,给社会经济和交通安全带来威胁和损失。而这些病害都与裂缝相关,由于裂缝的成因、形状以及类型的不同,对路面结构的危害性也有很大的区别。因此,裂缝的检测和识别成为了一个热点研究问题,尤其是在图像处理和机器学习等信息技术高速发展的背景下,基于图像特征的裂缝提取就成为了工程应用和科学研究中最为活跃的研究热点。本文的研究目标是利用路面裂缝图像,进行裂缝的提取及分类,总共设计了三个步骤来实现这个目标。(1)首先,论文经过分析裂缝图像的特点后,图像预处理工作包括三个方面:(a)提出了一种基于距离加权的图像缩小算法;(b)设计了一种基于分数阶积分的图像平滑处理模板;(c)改进了一种图像增强的分数阶微分模板算法。通过与传统算法进行对比分析,验证了上述三种算法的优越性。(2)其次,针对裂缝提取问题,分成两个主要部分:(a)提出了一种裂缝中心线特征点的提取算法;(b)基于水动力学的裂缝中线连接算法。基于与传统算法的分析比较,对于明显线状的裂缝图像,新算法能够获得比较好的图像分割效果。(3)最后,针对裂缝分类问题,设计了一种基于SVM的裂缝分类算法,该算法将裂缝目标分成了四个类别。为了辅助裂缝的分类,提出了两种裂缝图像特征构建方法:(a)裂缝目标的计数特征构建方法;(b)裂缝目标的形状特征构建方法。分类算法令人满意。实验表明:(a)论文提出的裂缝图像预处理算法相比于传统算法来说,具有较好的预处理效果;(b)提出的裂缝中心线提取算法能够较为准确地提取具明显线状特征的裂缝;(c)建议的裂缝分类方法拥有较高的裂缝分类精度,在测试集中的平均测试精度可以达到90%以上。