路面病害尤其是路面裂缝，是路面技术状况评定和路面养护决策的基础。长期以来，路面裂缝病害主要依靠人工调查或机器检测人工判读的方法获取。无论是人工调查还是人工判读，都存在着效率低、精度差、重复性差等一系列突出问题。随着自动检测技术的快速进步和路面病害自动识别技术的发展，相当一部分路面的裂缝病害都能通过自动识别技术及软件实现自动分析和提取，但是复杂路面，特别是污染、深纹理、刻槽等非整洁路面，路面裂缝自动识别准确率普遍很低，识别结果很难满足路面养护与管理需要。　　本文以复杂路面裂缝自动识别为重点，通过深度的文献研究和理论探索，围绕影响复杂路面裂缝识别准确性的主要关键环节，依据大量的实验分析和工程化验证，提出了有效提升复杂路面裂缝自动识别准确性的方法，研究了裂缝增强、裂缝分割和误识别去除3个病害自动识别关联环节的关键技术。其中，针对裂缝增强环节的主要问题，通过对深纹理路面裂缝几何特征和灰度特征的研究，基于深纹理噪声的灰度分析，提出了路面纹理去除方法，方法的核心技术是改进的形态学去噪和灰度值排序背景去除;针对裂缝分割环节的主要问题，通过多种图像分割方法的特点比较，基于裂缝灰度特征及区域能量分析，提出了污染、深纹理和刻槽路面的裂缝提取方法;针对误识别去除环节的主要问题，通过对污染和刻槽路面的主要特征分析，基于污染和刻槽分布规律、连通域的几何特征研究，提出了非裂缝类误识别去除方法和路面裂缝识别技术。　　综合上述研究解决的关键技术问题，通过系统集成，升级开发了路面病害自动识别系统大型软件(CiAS)，增加了复杂路面裂缝病害自动识别功能。大量不同区域公路网的工程化应用证明，本研究提出的复杂路面病害自动识别算法及关键技术，提升路面裂缝自动识别准确率近10％。复杂路面裂缝病害自动识别关键技术的研究解决，为我国大规模公路网路况自动化检测工作提供了技术支撑。