随着我国国民经济的飞速发展,车辆行驶数量和道路里程数不断增长,路面承载压力越来越大,道路的养护任务也越来越繁重,其中,路面病害检测工作是道路养护的重要依据,尤其是城市路面的病害检测工作受到越来越多的重视。在各种城市路面病害类型中,裂缝类病害是一种早期破损形式,一旦不及时修补,将会发展成其它更严重的路面病害类型,因此,如何快速、准确地自动识别城市路面裂缝病害的问题亟待解决。本文围绕城市路面裂缝病害检测方法进行了研究。为了高效识别大量路面图像中的裂缝类病害路面图像,并对其进行破损程度评估,本文提出对路面病害检测工作采取“先定性分析后定量分析”的处理流程。首先,对路面图像进行初始分类,主要包括：利用自适应平滑滤波和Wallis滤波进行路面图像增强、P-tile图像分割、提取路面图像的形状特征参数、利用BP神经网络对路面图像进行分类;然后,对初始分类获得的裂缝类病害路面图像采用多尺度、多方位结构元素形态学和最大熵图像分割的算法进行裂缝提取,并对分割后的二值裂缝图像进一步精细化处理,去除伪裂缝；最后,提取二值裂缝图像的投影特征向量,根据不同类型裂缝的投影特征值差异进行裂缝识别,并且分别统计网型裂缝的外接矩形面积和线型裂缝的总长度,计算路面破损状况指数。实验证明：该方法可以提高路面病害检测的处理效率,实现路面裂缝的准确提取,为道路养护提供有效决策信息。