道路裂缝检测在公路养护中占有十分重要的地位。传统基于人工检测的方法已不能适应我国道路发展的要求。人工检测存在着开销大、检测慢、危险、影响交通、不精确等缺点。因此,需要一种新方法来提高检测效率。目前基于数字图像技术的道路裂缝检测方法已成全球研究热点。该方法首先使用数字摄像机采集路面图像,再利用计算机进行图像处理,最后得到裂缝信息。然而,由于受路面复杂性、多样性的影响,一般的检测算法往往存在适用性不强,识别率低等缺点。为此,本文提出了一种新的检测算法以适应不同路面,不同光照的情况。本算法首先对图像进行预处理操作,随后使用BP神经网络对预处理得到后的图像进行裂缝区域的识别,最终从识别结果图中提取出裂缝信息。在图像预处理操作中,首先通过中值滤波和傅里叶变换消除图像中的噪声;再使用部分重叠的直方图均衡方法消除光照不均匀的影响;最后利用高提升滤波模板锐化图像,突出裂缝的细节特征。在预处理得到的图像的基础上,本文使用BP神经网络进行裂缝区域的识别。首先将原图像划分为面积较小的正方形子块,结合裂缝特征提取每个子块的特征参数;然后根据这些特征参数,利用BP神经网络对在子块中是否存在裂缝进行判别;最后利用Hough变换去除水泥道路的接缝噪声。最终,从识别结果图中提取裂缝信息。根据得到的识别结果图,设定一系列判定条件,提取出裂缝的连通域;对这些连通域进行开闭操作,达到去除毛刺、空洞、缺口的目的;最后使用骨架化算法得到裂缝骨架,并计算出裂缝长宽信息。