随着高速公路建设的发展，路面病害检测技术的提高也迫在眉睫。本文的项目背景是南京理工大学“N—1型道路状况智能检测车”项目，目的在于对其中的智能病害识别系统进行改进，增强其可靠性和实用性。 通过对图像分析技术的研究，并借鉴现有的病害自动检测算法，本文提出了一套病害检测流程。该流程采用了快速的预检测算法挑出可疑图像，再针对可疑图像进行细节分析。预检测时，通过图像子块的直方图特征进行筛选。在细节分析阶段，采用小波变换来提取图像的高频信息，再利用处理后的高频信息进行反变换，得到裂缝轮廓。然后使用阈值分割和连通分量扩展算法得到完整的裂缝形态信息，最后统计病害。 由于预检测阶段过滤了大量正常图像，留待细节分析的图像大大减少；使用了一系列快速算法，避免了原系统中大量的乘除运算。改进后的系统运行效率大大提高，病害检测的准确性也得到增强。 为了满足实际需要，文中还提出了一个简单实用的分布式系统方案，它可以让多台计算机共同参与病害检测。文章末尾简要介绍了利用人工神经网络识别病害的技术。