道路裂缝是导致路面承载力下降,加速路面损坏的常见病害之一。获取到裂缝的全要素信息,才能更好地为道路探伤提供更准确有利的依据,也是道路安全状况监测和评估的基本需求。由于裂缝图像因环境造成的阴影、光照不均匀而产生噪声,包括阈值分割方法经常会发生裂缝提取错误的情况。目前的裂缝检测方法检测结果的清晰度、完整性及准确率亟待提高。论文从红外与可见光图像融合方法、道路裂缝检测方法、道路裂缝宽度测量和一站式道路裂缝检测系统开发等方面展开研究工作,论文的主要研究内容和创新点如下。（1）针对传感器噪声、阴影和光照不均匀等影响因素导致图像质量降低的问题,采用非下采样剪切波变换（NSST）图像融合方法,增强图像清晰度,提高图像质量。首先,针对红外图像与可见光图像的图像特点对源图像进行去噪和增强;然后,通过空间频率指标去除质量不合格的图像;接着,分别对红外图像和可见光图像的源图像进行多尺度分解,分解为不同尺度下的低高频子图像;再利用加权平均和绝对值极大规则,将每个尺度下对应的低高频子图像进行融合;最后利用逆变换重构生成融合图像。采用主观视觉和六种客观评价指标进行对比验证,较非下采样轮廓波变换算法在AG、IE、MI、QTV/F评价指标方面,分别提高了0.12、0.06、0.12、0.01。结果表明NSST方法能够生成更好的融合图像,融合图像包含更详细的图像信息。（2）针对道路裂缝检测中普遍存在的噪声和非裂缝的无关区域干扰导致提取精度降低的问题,提出了一种基于卷积神经网络的对称结构、深度可分卷积结构和连通域分量标记优化算法的道路裂缝分割模型。采集5680张红外图像用于模型的训练和测试。测试结果表明,该方法可以满足对不同阴影图像的道路裂缝检测效果,检测准确率可达92.23%。在相似度方面分别比FCN、U-Net和Deeplab V3+网络提高了5.97%、5.22%和1.49%,结果证明所提出的算法优于广泛使用的算法。因此,该方法对不同道路红外图像中的裂缝检测有效,可以提高分割结果的精度,降低识别错误率,提高分割精度和鲁棒性。（3）论文研究了一种利用红外视觉图像进行裂缝宽度测量的方法。首先,针对上述图像分割结果的二值图像,利用中轴变换算法进行裂缝骨架提取;然后,计算裂缝面积、周长、骨架长,进而计算裂缝平均宽度。利用100张裂缝图像进行宽度计算,发现裂缝的实际平均宽度与误差、误差率的发展规律,其中宽度值[6.9,54]范围内,存在阈值7.59,当小于阈值时误差大于零且接近零,裂缝越细长,计算值大于裂缝的实际平均宽度;反之,误差小于零,计算值小于裂缝的实际平均宽度。（4）论文研发了集成红外与可见光图像融合方法、道路裂缝分割方法和裂缝宽度测量功能的一站式红外裂缝检测系统。通过红外与可见光道路裂缝图像的输入,进行一系列操作获取融合图像、分割结果与裂缝尺寸。测试了自主研发的裂缝检测系统,并取得良好效果,为用户提供了很好的人机交互平台。