通过对道路损害进行自动检测和评估是计算机视觉研究领域的一个热点,因为它可以有效地提高道路的管理和维护,从而导致经济利益,但是由于各种道路的材质、颜色、纹理各不相同,对于最后评估的结果影响特别大。目前国内进行道路损害评估的方法绝大多是是通过人浏览每一幅道路图片,在图片中大致标出损害的范围区域和损害程度,最后通过一些统计的方法得到该路段的一个综合评价,用来判断该路段是否需要整修。虽然路面损害边缘检测的方法对于光照、纹理等还是相对敏感,但比图像分割方法受到的影响要小得多,如果对于原图像进行多次滤波处理,能有效地增强路面损害提高自动评估的精度。本文在传统的道路损害的基础上提出了四叉树分裂和合并的图像处理的方法,并对不同类型的损害类型进行了实验,实验结果表明,该算法不仅仅能应用于裂缝类的路面损害,同样能应用于龟裂或块裂类的路面损害,并且评估的精度相对较高。从原始灰度图像和经过四叉树分裂和合并的图像处理后的二值图中提取特征,组成一个51维的向量,使用SVM进行分类,本文主要分为3类问题,无损害路面、线状损害和面状损害。最后对不同类型的路面损害进行评估,即统计长度、宽度或者面积。实验结果表明,本文提出的检测方法取得了良好的检测结果,相信经过不断的努力和改进,这些检测算法将具有广阔的应用前景。