随着公路事业的快速发展,基于数字图像处理的路面裂缝检测技术已经成为研究的热点和难点。在路面裂缝检测过程中,会遇到各种复杂的路况,导致获取的路面图像中会出现一些复杂的背景,例如光照不均、障碍物阴影、路面油污、随机噪声等。在这些情况下,现有的裂缝提取算法已不能满足检测需求,无法很好的获取裂缝等数据,导致不能及时对路面进行维修和养护。针对上述问题,本文从图像增强处理、裂缝信息提取、裂缝连接及参数计算、裂缝算法评价四个主要方面对复杂背景情况下路面裂缝检测进行了深入研究。(1)论文针对路面裂缝图像背景噪声多,光照不均匀、阴影等特点,提出利用基于分数阶积分的算法对路面裂缝图像进行增强。增强后的裂缝图像不仅突出了图像的对比度,保留了裂缝图像的边缘和纹理等细节信息,而且不会使图像产生模糊现象。(2)论文针对背景不均匀及阴影裂缝图像等,提出了一种基于改进Niblack并结合连通域直方图特性的裂缝提取算法。通过分析阴影图像的裂缝特征,利用图像的统计特性及空间邻域信息和灰度信息的相关性对Niblack算法进行改进,实现裂缝的粗提取;接下来,将粗提取的裂缝图像通过连通域距离标准差特征进行裂缝的进一步提取。(3)论文利用最大熵阈值并结合裂缝的方向和距离进行裂缝间隙连接,并将连接后的裂缝进行长度和宽度的测量分析。其中,长度测量分析依据提取的裂缝骨架进行计算,宽度测量分析采用基于二阶矩Ferret的分析方法,该方法测量较准确。(4)对本文提出的裂缝提取算法进行评价分析。首先对提取后的裂缝进行分类,该分类方法采用的是Radon变换并结合聚类的方法,该方法简单迅速,且较精确。然后对本文算法进行评价,该部分分为两部分:(1)由于本文算法针对的图像一般为对比度低,背景不均匀和阴影等复杂背景图像,文中选取三幅具有代表性的图像分别将本文算法与经典的及现在较流行的算法进行比较分析,实验结果体现了本文算法的有效性和优越性;(2)依据裂缝的类型对本文的算法进行F评价,结果表明本文提出的算法对背景不均匀及阴影等复杂背景图像具有较好的效果。