随着经济的的发展，交通在国民经济和生活中的重要性显著提高。城市道路是城市建设的主要项目之一，工程建设涉及面较广，工程条件较复杂，是由多项目、多工序彼此交错和相互制约所组成的线形工程，影响工程质量的因素较多，施工中不可避免地会出现不同程度的质量问题。为了提高公路使用寿命，公路养护工作也得到越来越多的重视。本文介绍了基于图像处理的路面检测及基于数据挖掘技术的道路缺陷类型自动识别的研究。
首先，通过分析了缺陷路面原始图像，得出了路面图像的特征，为选定图像预处理方法，选择图像特征值和图像分类识别算法建立基础。
其次，研究了路面的预处理问题。为了消除原始图像中的噪声，根据路面图片的特征，本文采用直方图均化、灰度变换方法增强图像，再用加权邻域均值滤波对图像进行平滑处理，通过实验对比几种边缘检测算子的检测效果,证明用Sobel算子对图像进行边缘检测的效果最好,同时运用数学形态学运算填充边缘内部的孔洞以及去除图像中孤立和小区域噪声,提取得到裂缝或坑槽目标的二值图像。
最后,在得到目标二值图像后,研究了裂缝目标的特征提取和识别问题。依据分析得到的各类裂缝图像的特点,提取路面裂缝目标的四类特征:第一类是通过垂直投影和水平投影的像素统计图提取裂缝图像的投影特征,第二类是在得到的投影统计图的基础上,根据Proximity的算法提取裂缝目标的特征,第三类是利用破损密度因子提取路面裂缝目标的特征，第四类是计算图像的分型维数。
最后基于七个特征向量应用SVM算法对路面裂缝图像进行分类识别,通过前人先验的基础上，选取RBF作为核函数，通过对30幅图像进行交叉检验实验,通过选取核函数的不同参数进行训练，然后分别进行模型检验 ,通过比较说明本文提供的方法能够比较准确的实现路面缺陷类型的识别。
