伴随社会的不断发展,高速里程数不断增长,道路管理与维护的需求也日益增长,若不及时对路面破损进行处理,路面破损与自然灾害相互作用形成恶性循环,威胁人们的行车安全。传统的人工检测效率低、检测速度慢、误差较大。由于路面中存在的诸多干扰,现有的路面图像处理算法误检较多,难以运用到实际的路面检测。根据实际路面破损检测中存在的多种挑战,本文研究了一种用于解决复杂干扰条件下的路面破损检测算法。该算法有效减弱了路面图像光影分布不均的影响,去除了路面破损周围存在的诸多干扰。本文的主要研究内容如下:1)基于模板提取的路面匀光算法由于图片采集设备的原因,拍摄的图片通常存在纵向明暗相间的条纹,不利于裂缝全局特征的提取,阴影遮挡也给图片检测带来一定的干扰。因此本文给出了一种基于模板提取的路面匀光算法,图像匀光矫正后基本消除了光栅和阴影遮挡的问题,对比其他算法明显降低了图像信息熵值与图像对比度,提升了光照的均一性,有利于后续检测算法处理图像。2)基于多滤波器协同的破损边界检测算法针对裂缝在低对比度的情况下难以检测的问题,本文设计了一种基于多滤波器协同的破损边界检测算法,引入前向滤波器和后向滤波器协同检测,增强裂缝分叉处的响应;融合不同偏移距离的最大响应值,提升了算法的检测率。在CFD数据集和AigleRN数据集中,准确率分别达到了94.84%、90.96%,性能均优于对比算法。3)基于上下文特征的干扰判别算法实际路况复杂多样,存在诸多干扰。干扰物与裂缝灰度形态特征相近,但仍存在一定程度上的差异,因此本文提出了一种基于上下文特征的干扰判别算法。首先通过提取区域强响应值密度与区域灰度均值等信息去除黑斑干扰;其次由于路面标识线具有较强的灰度阶跃特性,故提取连通域两侧的灰度差值特征判别路面标识线;最后通过提取破损二值图中的邻域标准差,定位投影中心,从而判断是否存在车辙干扰。该算法能够有效判别并去除干扰,保留了真实裂缝,提升了输出结果的召回率。4)基于多特征融合的破损类型判定算法为了及时对路面进行病害评估和分析,本文设计了一种分类算法以分辨出不同路面破损类型。首先提取破损二值图投影特征与几何形状特征,将破损粗分类为线性裂缝与网状裂缝;定位中心破损区域,计算区域内破损分布密度与碎块数量,判别龟裂与块状裂缝;最后结合平均裂缝宽度和碎块分布特征,综合评分给出破损类型和破损程度。实验结果表明,在DMU-Crack数据集中,本文算法在保留真实破损的同时,有效去除了路面干扰物,并在CFD数据集和AigleRN数据集中取得了良好的检测效果,F-measure分别达到了91.05%、88.58%。