上世纪70年代末期,人们开始认识到了公路养护工作的重要性,国外一些学者便率先着手研发起了道路病害检测系统。从那时起,道路病害检测系统的研发工作就一直是学者们研究的热点。能否采用全自动化系统,对于道路上一系列病害做出准确的识别、分类和统计,则是人们关注的焦点所在。查阅了大量自动化道路病害检测系统文献资料后,本文在前人研究的基础上,主要针对公路面层病害视觉检测算法做改进和创新,目的是减少公路病害检测对于硬件设备上的依赖,尽可能地节约公路养护成本,使得病害检测系统的实用性得到提高。而且,改进后的系统是在道路图像数据采集的同时,做了实时地病害检测工作、检测效率提高了很多,避免了大量冗余数据的存储和传输。本文针对分辨率较低、目标与背景间区分度较差的道路病害图像,进行裂缝病害的精确分割。主要研究成果简述如下:(1)对道路图像预处理时,本文采用了一种适用于道路病害图像的分块光照补偿算法,补偿了道路图像数据中,受强光或阴影干扰产生的光照分布不均的区域,方便之后的检测。同时,本文结合了病害图像自身所具有的密集分布的大斑点噪声这一特点,提出了基于重力叠加模型的双边滤波算法。该算法不仅具有双边滤波可以同时平滑噪声和保持目标边缘的特点,而且在重力叠加模型中引入了一个向上的弹力分量,用来滤除掉大量较大的孤立斑点噪声,这是常用的双边滤波算法不能做到的。最终对于病害图像的测试中,效果满足病害图像预处理的要求。(2)在对病害目标区域快速定位、检测时,本文结合了裂缝目标的形态学特征,运用了基于大尺度方向模板的裂缝区域检测算法,对于线裂、碎裂的病害区域做了快速定位、虚景排除及裂缝拼接等操作,最终得到了病害裂缝区域的大致轮廓,经大量样本病害图像测试,搜索结果较好,虚景少、漏检率低,检测结果满足病害粗分割的需求。(3)在裂缝病害精确分割处理中,本文结合了超像素mean-shift算法的思路,采用了一种基于均值漂移的目标边缘收缩算法。对粗分割中提取得到的大范围轮廓,依据该时刻每个轮廓点上梯度方向和边界区域质心方向的线性叠加方向做偏移操作并多次迭代,直到检测结束。经大量粗分割的病害图像测试,最终分割得到的结果区域较为准确,满足最终的病害边缘精确提取的项目需求。