定期检查公路路面病害是公路养护工作的必要环节,对维护公共交通安全有重要的意义。随着高速公路和高等级公路的不断修建,基于图像分析的路面破损自动检测系统得到了广泛的研究和应用。但当前的自动检测算法仍不完善,算法的效率和成功率有待改进。针对以往算法存在的问题,本文从图片降噪,裂纹信息的增强以及分类器的设计三方面进行研究。针对路面裂纹图片噪音干扰严重和背景纹理丰富等特点,提出了一种基于小波变换的降噪增强算法,将裂纹图片分解成不同层次的高低频信息；依据裂纹信息,背景信息和噪音在频域的特点进行分别处理,算法使用模板自适应的对相应层次的高频信息平滑滤波,达到降噪并且从背景分离裂纹信息的目的。算法能够有效对噪音滤波,并增强路面裂纹信息。针对裂纹信息较弱,过度平滑可能导致提取的裂纹在某些细微的部位出现断裂的情况,提出了一种基于数学形态学的裂纹区域连通方法。算法首先对小波变换处理后依然存在于图像的离散随机噪声点,使用8*8大小的模板遍历全图清除噪声点；其次基于数学形态学的连通方法可以使断裂的部分重新连接,并且强化裂纹的整体信息,便于后续的裂纹分类工作。针对裂纹分类正确率较低的问题,提出了三种裂纹特征,分别为裂纹的横纵向投影特征,裂纹的最小外接矩形的长宽比以及裂纹的像素密度特征。基于BP神经网络的分类器,可以成功将裂纹样本归为横向,纵向,斜向和网状四种不同的类型。