目前,随着我国高速公路的不断建设,对道路养护及其病害检测方法的研究逐渐受到重视。由于公路路面情况较为复杂,现有的检测技术一般为人工辅助的半自动检测,该方法存在人力资源消耗严重、时效性低,可靠性差等缺点,这使得基于图像分析的公路路面病害自动检测技术成为该领域的研究热点之一。目前的公路路面病害自动检测算法亟需解决的问题主要有：数据维度高、冗余量较大,路面图像光照条件复杂,图像中存在较为严重的噪声干扰,以及裂缝的完整提取困难。本文针对这四个问题进行了深入研究,主要的工作和取得的成果如下：(1)针对大量的冗余数据,本文提出了基于AMFT及投影特征的路面病害预检测方法,实验结果表明此方法能够有效地消除冗余数据的影响,进而提高算法的效率。(2)针对图像光照不均以及存在阴影的问题,本文采用灰度纵向归一化的方法去除横向光照不均,采用基于双线性插值背景拟合和乘性模型的方法去除阴影,此外,为避免在去噪过程中模糊裂缝边缘,采用能够增强线形结构纹理的CESF模型对图像进行增强,实验结果表明本文方法能够在较好的保留甚至增强路面病害纹理特征的同时有效地去除光照条件对图像的影响。(3)针对路面病害检测的图像去噪算法是本文的研究重点。本文在对路面图像的特点进行分析的基础上,提出了改进的八邻域P-M扩散方程,用于去除路面斑块类型噪声,并通过实验验证了改进方法的有效性。此外,本文还研究了基于Shearlet变换的去噪方法,提出了相应的自适应阈值估计及针对路面图像的系数处理方法,实验结果表明此方法在去除路面噪声和保持裂缝边缘两方面取得了较好效果。(4)针对裂缝完整提取困难的问题,本文在采用FCM进行初步分割的基础上,提出了一种基于裂缝局部方向特征和灰度相似性的延伸算法。该算法根据裂缝具有的局部特性,设计了反映裂缝局部方向特征的方向系数及方向导数因子等判据,进而从局部区域来检测裂缝,实验结果表明此方法能够较好地实现裂缝的完整提取。