基于数字图像处理的高速公路路面裂缝自动检测技术在最近几年得到了社会各界的高度重视与高速发展。在实际工作中，路面裂缝检测将遇到各种复杂道路场景，如：破损路标、路面油污，障碍物阴影、高频噪声等等。在这些情况下，目前已有的裂缝提取算法并不能满足检测要求，无法获取所需的数据，往往导致需要着重修补的地段被遗漏，是限制路面裂缝自动检测实际应用的技术瓶颈。针对上述难点，本文对图像增强处理、裂缝信息提取、裂缝参数计算三个主要方面进行了深入研究。首先提出使用同态对数灰度修正算法和方向性滤波算法用于增强待处理的图像。对采集到的图像使用同态对数灰度修正算法进行光照补偿处理，能够增强光照不均匀处的细节信息；方向性滤波算法通过自适应计算当前区域的灰度方向值，使用对应滤波模版来抑制背景噪声，同时保护了裂缝细节信息。通过这两个预处理步骤，为接下来的提取算法营造了一个稳定的处理环境。其次提出了基于裂缝多特征智能融合的多层次提取算法。根据裂缝的高频特征使用零交叉点检测的方法筛选出无裂缝图像，减少算法应用误差。接下来，基于裂缝非负性特征的提取算法被用于获取最基本的裂缝信息，得到裂缝强度图像；区域对比度特征被用于增强强度图像中目标区域的灰度值。利用基于线性特征的圆投影增强算法连接裂缝断裂处，结合连通域面积去噪滤除离散噪声。最后提出使用形态学变换与链码跟踪提取技术计算相应的裂缝参数。先通过形态学处理获取裂缝的骨架信息；然后计算每条裂缝的长度、长宽比、块状裂缝面积等信息，统计数量；最后根据对应参数将这些裂缝一一分类，评定病害等级。一系列实验验证了本文提出的多特征智能融合提取算法与图像增强滤波算法的有效性和通用性。在实验过程中，首先对算法的每一步都进行了实验验证，然后对各种复杂背景下路面裂缝图像进行了信息提取实验，并与目前先进的提取算法在提取效果和运行时间上进行了比较。实验结果表明：本文提出的裂缝检测算法克服了现有提取算法的不足，具有灵敏度高、抗噪声边缘干扰性强的特点，能够准确的在各种复杂路面图像中提取出目标裂缝信息，且算法运行时间合理，能够满足实际检测周期的要求。