我国的公路建设日益完善,规模不断壮大,在带来便利的同时也对路面造成了严重损坏。路面破坏类型以裂缝为主,只有在及时发现路面破坏,降低破坏程度的情况下,才能延长公路的使用寿命。现有的裂缝检测算法大多基于理想状况下,在小范围内对路面裂缝进行检测,但对大范围的路面裂缝检测缺乏适应性,很难实现完整的裂缝提取,以至于难以满足工程应用的实际需要。因此,本文研究的重点是在不改变外界环境因素的条件下,研究一种系统的、完善的、更能适应复杂环境图像的路面裂缝检测算法。针对以上问题,本文主要从预处理前的图像块分类、车载前视图像路面裂缝检测、车载前视图像路面裂缝几何特征提取和评估等方面对路面裂缝检测技术进行研究。（1）在对路面裂缝图像进行预处理前,对采集到的车载前视图像进行小块分割,得到图像块。进而采取深度学习中的图像分类方法,对分割得到的图像块进行分类,得出包含路面裂缝的图像,便于对路面裂缝进行检测。（2）在路面裂缝检测过程中采用了一种相结合的基于改进HC显著性检测的灰度直方图阈值分割算法。实验证明本文算法能有效地克服经典显著性检测算法无法去除颜色相近噪声的不足,弥补单一阈值分割算法很难有效去除孤立噪声点的缺点,突出裂缝目标和抑制背景中的暗噪声,更有利于路面裂缝的提取。通过对实验结果进行定性定量地分析,得出该算法相对于单一阈值分割,可以更大程度的去除孤立噪声点的干扰,使裂缝变得更清晰,利于裂缝的提取。（3）在路面裂缝的提取和评估中,采用数学形态学方法对图像灰度变化区域进行连接,构造连接区域,获得路面裂缝图像的几何特征。该几何特征用以确定裂缝矢量的几何信息,得到完整的路面裂缝图像。采用投影法对裂缝特征进行提取和类型识别,并对路面裂缝图像进行处理,得到裂缝的类型信息和几何信息。通过对本文算法进行评估应用,结果表明,本文基于车载前视图像的路面裂缝检测与评估方法有着良好的适用性以及实用性,可以有效应用于复杂道路环境中的裂缝检测,协助相关部门进行道路使用性能的合理评价,预测路面上可能出现的裂缝病害类型,为制定相应的养护计划提供技术支持。该论文有图42幅,表8个,参考文献75篇。