随着公路使用时间的延长，路面在各种因素的影响下会出现病害现象，如裂缝等。及时有效的对路面的病害进行检测，能很大程度上降低病害恶化，确保行车安全。然而，各种噪声的影响使得路面裂缝图像具有多样性、复杂性的特点，对研究高效的路面裂缝检测算法带来困难。因此，如何消除图像中的噪声成为路面裂缝检测研究中的热点问题。本文研究的压缩感知理论及其在路面裂缝图像去噪中的应用，在实际检测中具有重要的意义。压缩感知理论作为一套全新的信号采样理论，突破了传统Nyquist采样定理的瓶颈。提出对于稀疏或可压缩信号，当测量矩阵满足一定条件时，在远小于Nyquist采样频率的条件下，利用对信号随机采样获取的离散样本，通过非线性重构算法就能精确的恢复出原信号。因此，本文将压缩感知理论应用于图像去噪问题研究中，以克服传统算法的不足。本文在对国内外图像去噪研究现状回顾的基础上，首先介绍了空间域和变换域的图像去噪方法，其中着重阐述了小波阈值的去噪方法，并对算法性能进行了对比分析。然后详细介绍了压缩感知理论，对压缩感知理论的核心：信号的稀疏表示、观测矩阵设计及信号重构相关算法进行分析。最后提出了基于压缩感知理论的路面裂缝图像去噪的方法，在压缩感知图像去噪理论框架下，着重研究了梯度投影稀疏重构算法，并分析了一种基于TV范数的图像去噪方法对其改进，通过仿真试验验证了基于压缩感知理论对图像去噪的有效性及可行性，并且验证了基于TV范数的梯度投影重构算法更适合于路面裂缝图像的去噪处理，其能在更好的去噪同时保留图像的有效信息。