随着我国经济的快速发展,我国公路行业已经从新建时期步入养护与改建并重时期。在路面养护工作中,原路面病害信息是养护管理部门制定养护改建方案的一个非常关键、重要的依据。如能在病害产生的初期发现问题,并采取相应的措施,这样可以大大节约路面养护费用。传统的基于人工视觉的检测方法已经不能够满足道路养护的需求,并存在很多不足,如检测人员的安全、检测效率低下、结果不精确、影响交通正常运行等。基于数字图像分析的路面病害检测方法的研究和相关系统的开发已经成为各国争相研究的课题。本文详细介绍了高速公路沥青路面的主要病害类型,重点研究总结了病害的调查方法及评价指标和病害的等级划分；本文路面试验用的是加拿大研制ARAN多功能测试车,介绍了高速公路路面病害自动检测系统的结构组成,及各子系统的功能及特点,并介绍了ARAN9000型多功能测试车的工作原理及工作流程。本文重点研究了数字图像处理的基本知识,图像增强的常用方法包括图像变换增强,灰度变换增强,直方图变换增强。介绍其原理、数学模型及步骤,从实际效果比较说明灰度变换增强和直方图变换增强更有效；分析比较了图像除噪方法,并引入空间域图像锐化实际上也是对模糊图像的一种去噪处理,使我们目标信号更容易被识别出来；介绍了高通滤波器和梯度锐化的实现过程,比较得出高通滤波器处理的图像比梯度锐化更清晰、更有效。图像分割是从图像处理过度到图像分析的一个重要环节,本文引入图像分割概念,介绍了常用的图像分割方法的理论知识及实际实现过程；本文分析图像退化原因及图像复原的重要性,定义了图像退化系统基本理论,介绍了连续函数的退化模型和离散函数的退化模型两种退化模型。针对由匀速直线运动引起的图像模糊研究了具体复原过程,并编写了图像复原的VisualC++实现程序。本文研究了BP神经网络的基本模型,利用路面状况的提取特征作为BP神经网络的输入值,设计了3层BP神经网络对路面病害图像进行分类识别,说明基于BP神经网络的路面病害识别技术是可行的。最后本文结合渝黔路工程实例论证了数字图像路面病害自动检测比人工检测效果更好,识别率更高、更快、更安全。