近年来,基于CCD摄像机的路面病害自动检测系统在公路养护事业中获得了广泛的应用。而病害自动检测这一模块的检测效果将直接影响到整个系统的检测精度,虚检和漏检都会影响整个道路状况的评估,因此设计准确有效的自动检测算法是至关重要的一个环节。传统的大部分自动检测算法都是在固定尺度上对路面图像进行分析,这类方法不能表现出图像本身固有的多尺度特性,也就限制了分析结果的准确性,而本文采用一种模拟人类视觉感知外界事物过程的多尺度图像分析方法对路面图像进行分析,围绕着这个核心从路面图像的去噪、增强和裂缝目标的提取三个方面进行研究。针对路面图像表面纹理丰富、背景噪声多的特性,本文先从数学形态学尺度空间出发,构造了一种多尺度形态学滤波器,根据路面图像的特性选择了合适的形态运算类型、结构元素以及恰当的尺度,并根据不同尺度抗噪性能的不同采用了合适的权值分配方案,该方法能很好地在滤除背景噪声的同时保持目标边缘。本文又从非线性尺度空间出发,针对P-M正则化模型中的高斯预平滑会带来图像边缘位置漂移的缺点,对模型扩散方程的扩散系数进行修改,将形态学算子引入扩散方程中,提出了一种基于形态学算子的P-M模型,模型中梯度阈值K采用一种鲁棒统计的方法自适应地给出。新的扩散模型在有效去除噪声的同时具有更好的目标边缘保持能力,并且能够抑制边界的移动。针对路面图像中裂缝信息弱小,与背景对比度低的情况,仅仅滤波处理是不够的,鉴于此,本文将基于非线性尺度空间的图像增强技术应用到路面图像中,并针对裂缝的线形纹理结构,采用一种能够反应图像纹理方向的结构张量与Osher-Rudin冲激滤波模型结合的相干增强冲激滤波模型,该模型不但能够有效地锐化目标边缘,增强图像中目标和背景的对比度,更重要的是增强了裂缝的线形纹理结构。在裂缝信息的提取上,本文针对背景光照不均的图像设计了一种基于多尺度形态学梯度的裂缝目标检测方法,通过检测图像的局部突变信息来避免因整体灰度不均而导致的错分割现象。该方法综合了大小尺度的梯度信息,克服了常规算法易受噪声、杂物以及光照条件等干扰的问题,对不同路况路面中的裂缝均能取得良好的检测结果。