路面图像的病害自动检测,一直是图像处理和模式识别领域的一项挑战性工作。本文的路面病害自动检测主要是针对裂缝类病害的,本文提出一种基于子块级的路面病害检测方法：将路面图像分成许多的子块图像,通过对每一个子块图像的病害自动检测从而实现整幅图像的病害自动检测。本文以路面纹理为研究对象,分析并总结了现有路面病害检测算法的优缺点,提出了一种新的路面病害检测方法：基于二阶统计纹理分析方法中的灰度共生矩阵法来提取子块路面纹理特征,并利用分类器对子块路面纹理特征进行是病害和非病害的分类。路面纹理特征提取的关键是灰度共生矩阵参数的选择问题以及14个纹理特征参数的选择问题,本文通过理论和实验两方面分析了路面图像中灰度共生矩阵参数的选取以及14个纹理特征参数的选取,并引入了两个形状描述符长轴和紧密度,提出一种新的方法：将灰度共生矩阵和形状描述符相结合来提取路面纹理特征。路面纹理特征分类中的关键是支持向量机的核函数的选择问题,本文通过实验分析四种不同核函数的学习和分类效果,并分析比较了K-近邻法和支持向量机的分类效果,最终得到了两类特征集：有裂缝的子块图像和非裂缝的子块图像,对有裂缝的图像进行二值化转换和数学形态学处理,消除图像中的离散点和伪裂缝。最后返回子块路面的二值图像,得到完整的路面病害图像,得到路面裂缝的具体位置和形状等详细信息,从而实现路面病害的自动检测。