伴随着我国国民经济的腾飞,交通运输事业取得了令世人瞩目的成就,我国高速公路总里程数已跃居世界第二。为了更好的对公路路面进行养护管理,我们应该努力提高路面检测技术的自动化水平。目前采用的人工检测方法效率低、耗时大,并且容易受到人为因素干扰,不利于对路面缺陷进行准确客观的评价。因此,结合新的路面缺陷检测技术算法,开展路面缺陷的自动检测技术的研究具有重要的现实意义。 本文首先介绍了路面缺陷自动检测技术的国内外研究现状,并分析了针对沥青路面的使用性能评价。然而,路面图像呈现出的随机性、多样性以及路面缺陷的弱信号性,增加了相关算法研究工作的复杂度。基于这种情况,本文深入研究了数字图像处理技术的各种算法,尝试了利用多种图像增强以及灰度图像处理技术,对路面图像进行灰度校止和几何校正预处理,在此基础上进行了一系列的边缘检测算法实验,以及基于BP人工神经网络的方法开展路面缺陷检测的研究工作。 本文还提出了一种基于最小外接矩形的多级拟合算法,通过对裂缝区域最小外接矩形的本身特点,以及最小外接矩形对之间关联度的研究,对伪裂缝段的筛选和裂缝段的连接合并起到了较好的实验结果。然后进一步对裂缝区域进行细化和曲线拟合处理,以提取裂缝信息的骨架,并对病害信息进行初步的分类。通过模拟试验和典型的数据测试,证明了本文采用的一系列检测算法的可行性和有效性,可以直接应用于路面缺陷检测及病害识别工作,也可为其它相关领域的图像分析研究提供参考。