裂缝病害是影响路面使用性能的最核心因素,是公路日常养护工作的核心。国内外当前均采用可视化技术,实现了路面高分辨率灰度图像数据的快速、连续获取,但是路面图像裂缝数据的处理只能基于人机交互方式进行,效率低、可靠性差,已经成为制约公路路网级快速养护的技术瓶颈。针对当前国内外病害自动处理存在的效率低、精度差、适应性受局限的问题,本文研究了基于裂缝空间分布特征的识别与分类方法,以实现基于灰度数据的沥青路面裂缝高可靠性、高精度和高效率的自动识别与分类。主要研究内容如下:(1)通过分析裂缝在二维灰度图像中的空间分布特征,提出了裂缝数据全局离散、局部分布聚集的实现策略,设计了基于空间特征的路面裂缝识别与分类算法的流程。(2)提出基于子块划分的置信度区域提取方法,研究了路面灰度图像的自适应分块方法,以消除图像亮度不均的影响;在子块的均匀分割及非均匀分割的基础上,基于分块动态计算粗分割阈值,得到裂缝疑似数据,为后续处理提供可靠基础。(3)采用神经网络方法进行裂缝置信度区域的子块精分割,结合空间分布特征获取裂缝子段。进一步,基于最大综合权重的子段置信度建立评价模型,提出了裂缝子段置信度评估方法,实现了完整裂缝的可靠性识别。(4)基于裂缝空间关系分布特征,设计了结合特征映射和主成分分析裂的裂缝类型分类算法。在加强裂缝类型特征的基础上,去除冗余的信息,实现裂缝类型空间特征的提取。同时利用聚类算法通过提取后的特征实现裂缝类型的初步分类,提高了裂缝分类的准确率。本文研究算法在近百公里沥青道路检测中得到实际验证,验证了基于空间特征的沥青路面裂缝识别和分类算法的有效性。实验表明,算法有较强的环境适应性,具有良好的应用前景和实用价值。