路面裂缝是路面病害最初期的表现形式之一,准确地对路面裂缝进行检测识别,科学合理地制定养护办法,防止路面破损程度加深,对减少国家经济损失,保障人民的出行安全有着深远的意义。采用传统的人工检测路面裂缝的方式,已远不能满足现代公路养护的发展和要求,对路面裂缝自动识别技术的研究已经刻不容缓。本文利用分数阶微分、模糊逻辑、边缘检测、阈值分割、数学形态学、机器学习等理论,对路面裂缝识别技术中的一些问题进行了研究。首先,针对路面裂缝光照不均、对比度低等特点,传统图像增强算法容易忽略裂缝纹理细节,易产生噪声的问题,本文重点研究并提出了一种基于分数阶微分和模糊集理论的图像增强和去噪方法。利用图像梯度与分数阶微分的函数关系,提出了自适应分数阶微分算法,在突出路面裂缝边缘的同时,保留其纹理细节;结合人眼视觉特性,采用改进的模糊集理论有效地对路面背景进行去噪,二者有机的结合对路面图像的预处理有良好的效果。然后,在经过图像预处理的基础上,本文对路面图像分别进行了几种边缘检测算法和阈值分割算法的实验,通过对比采用最大类间方差法对路面图像进行分割处理;利用数学形态学,将四种基本运算组合使用,对分割后的孤立噪点进行了去除,提取出裂缝并对其细化。最后,提取了路面裂缝分别在水平和垂直方向的投影像素,以及裂缝像素总数作为路面裂缝图像的特征值,采用“一对其余”的分类方法,以径向基为核函数构造SVM分类器,对路面裂缝图像进行分类识别,实验表明,以路面裂缝投影特征为特征值,采用径向基核函数构造的分类器,对路面裂缝图像识别的效果较好。