道路交通在我国交通运输领域发挥着重要的作用。随着经济的不断发展,车辆数量不断增加,道路承载的运输量也越来越大,道面难免会出现一定程度的破损,其中裂缝就是一种常见的安全隐患。目前国内外针对公路道面病害,提出了一系列算法提高了道面裂缝检测的效率。相比公路道面,机场道面关注的裂缝更细小,检测要求更加严格,现有的算法无法满足机场道面裂缝检测要求。目前大部分机场仍然采用人工观测的方法。基于人工观测的道面裂缝检测存在以下几个问题:1)人工观测是一项劳动密集型工作,比较耗时;2)检测结果难以重复,缺乏统一的检测准则;3)难以保证检测者能够覆盖整个机场跑道。因此,迫切需要一种自动化的机场道面裂缝检测算法。本文围绕机场道面裂缝检测问题,提出了一种基于图像处理的道面裂缝检测算法,算法共包括三个方面:(1)为了提高道面裂缝检测的精度,克服机场道面背景噪声的干扰,本文设计了一种基于深度学习的裂缝定位算法。该算法包括:深度学习框架的选取、数据集的生成和模型的训练三个部分。本算法首先将图像分为两类:有裂缝图像和无裂缝图像,并且将有裂缝图像中的裂缝区域标定出来作为下一步裂缝像素检测的输入,缩小了检测范围。(2)通过第一步深度学习裂缝定位算法,将裂缝所在矩形区域找到后,下一步需要将裂缝像素位置找出来,本文提出了一种基于最短路径搜索的道面裂缝检测算法。算法包括三个部分:种子点提取、最短路径生成、生长算法。本算法通过在公开的数据集AigleRN和CFD做测试与现有的裂缝算法做对比,结果显示本算法检测结果优于现有算法,准确性较高且计算简单。通过检测机场道面数据结果显示比直接检测整张图像速度要快,检测到的裂缝位置也更加准确。(3)为了对道面病害情况有整体认识,本文提出了面向道面裂缝可视化的图像拼接算法。本算法包括:图像光照补偿算法、基于位置信息的图像初始拼接算法、基于特征点匹配的拼接优化。本算法最终实现了华南某机场、西南某机场近六千张机场道面图像的拼接。本文算法最终在多个机场数据和公开的公路数据集上进行测试,并取得了很好的效果。因此,本文算法同样适用于公路道面的裂缝检测。