公路路面的裂缝检测是公路运营后维护与保养的主要问题之一。随着全球经济的持续发展,世界上大多数国家都掀起了一股大力发展基础设施的热潮,其中,公路建设作为交通行业的重头戏而受到普遍重视。由于公路建成的里程越来越长,传统的主要靠人工进行路面检测的方式也越来越满足不了日益增长的检测工作量,也不能适应新时期的检测要求,因此研制和开发全自动、高科技的公路路面检测设备与算法成为了发展交通道路行业的一项重要任务。本文在查阅大量相关文献的基础上,对目前的公路路面图像的裂缝检测算法进行了综述。针对目前的路面图像裂缝检测算法主要局限在基本的图像处理技术、数学形态学、神经网络、小波分析等经典理论上的特点,本文尝试把灰色系统理论应用到对路面图像的预处理与分割中来,为裂缝检测的后续处理打下一定的基础。从路面裂缝产生的力学原因入手,本文在分析路面裂缝图像的灰色特点的基础上,阐明了应用灰色系统理论来解决路面图像裂缝检测问题的合理性和优越性,总结了路面检测设备的发展状况,介绍了灰色系统理论的基本概念,通过对路面图像的去噪、滤波、增强以及边缘检测的基本原理的分析,阐述了10种结合灰色关联分析、灰熵理论、灰色预测模型的路面图像的去噪、滤波、增强、边缘检测的新算法。针对传统的邓氏关联度在应用图像数据计算时,公式中可能出现分母为零、滤波效果不理想等情况,本文结合路面图像数据的特征,提出了一种灰色图像关联度模型,选取图像邻域中的部分数据进行加权平均,并充分利用当前滤波窗口中在本次遍历中新得到的图像像素灰度值。当路面图像中的噪声密度增加时,图像邻域窗口中的噪声点在进行加权滤波计算时也增加到了一个不可忽略的地步。本文提出,在对路面图像进行去噪前,先根据邻域窗口中像素灰度值的灰关联序进行噪声判别,再对当前像素为噪声点的邻域窗口实施非噪声点选取的灰关联去噪或扩大窗口中值滤波。在含有噪声的路面图像中,本文利用邻域中各像素值与邻域中值的灰熵值作为邻域中各像素值的权系数,求邻域各像素的加权平均值作为中心点的新灰度值以此来实现对噪声的滤除。通过对图像邻域窗口中像素的灰度值进行排序,将图像的像素分为三类进行分别处理：正常点不变,大噪声块要扩大窗口进行中值滤波,仅对邻域中含有少量噪声的噪声点实施基于仿射变换的灰色预测滤波。通过计算邻域窗口中中心像素的灰度值与邻域各像素值的灰关联熵,来度量邻域窗口中的局部边缘程度,然后搜索阈值来对路面图像的边缘进行分割。通过计算图像邻域窗口中的16种纹理方向的像素灰熵值,以及邻域中灰熵值的最大值与最小值之差,来找出图像中局部纹理起伏的边缘特征,从而设定阂值实现路面图像的边缘检测。对图像邻域窗口中的四个主要的纹理走向的像素组进行添加辅助点的GM(1,1,C)建模,并将四个模型的拟合值的残差和的最大值与最小值之差作为当前中心点的边缘程度的测度,设定阈值,提取路面图像的边缘。在图像邻域窗口中应用灰色图像关联度选择出邻域中部分与中心像素不同属性的像素并增大它们的均值与中心像素的对比度,以此提高图像增强的效果。通过利用图像邻域窗口中的灰熵值构造图像模糊局部对比度增强的增强指数,来实现对模糊对比度函数的自适应增强。从当前中心点周围的八个方向指向邻域窗口中心选取中心点与邻域均值之差作为原始数据点,并按紧邻均值生成的方式添加辅助点,建立终点固定的离散灰色预测模型,将模型的拟合值作为对局部对比度函数的增强尺度,来自适应地调节图像的局部对比度,提高路面图像的增强效果。本课题来源为：教育部高等学校博士点基金项目：基于广义累加灰生成的极限承载力建模与预测研究(项目编号：200804970005)、国家自然科学基金项目：基于矩阵分析的灰序列生成预测建模及应用研究(项目编号：70471019)、武汉市科技攻关计划项目：基于演化优化技术的Web图像语义模糊分类研究(项目编号：201010621218).