蔡志兴 罗文婷 李 林

（福建农林大学交通与土木工程学院 福建福州 350100）

0 引言

近年来，公路的建设得到了快速的发展，伴随着公路的使用，大量早期的公路逐渐进入维护时期。高效、安全的路面病害检测方法对公路养护部门的科学养护决策具有重要的实际意义。裂缝是最为常见的一种路面破损现象，若能在裂缝出现初期就进行及时修补，那么不仅能确保行车的安全，还可以延长公路的使用寿命。传统的人工裂缝检查受主观性的影响，误差较大且效率低下，与人工检测相比基于图像处理的路面裂缝自动化识别更加客观、准确，是当今路面病害检测的主流手段。

在过去二十年中，国内外研究人员提出了许多路面裂缝检测的算法，这些算法大致可分为两类：①基于传统图像处理的方法；②基于机器学习的方法。

常用的传统图像处理方法有如下：阈值分割法，该方法通过设置全局或局部阈值来检测裂缝[1]；边缘检测法，该方法通过检测算子来定位边缘像素[2]；小波变换法，该方法将原始数据分解到不同频率带，再从高频带中提取裂缝；基于形态学的方法利用裂缝之间的连通性来检测裂缝。

基于机器学习的方法主要包括以下：基于支持向量机的方法，该方法首先将原始图像切割为多个子图像，之后根据所选的特征将子图像分类为含裂缝子块及不含裂缝子块；基于随机结构森林的方法，该方法利用图像中的结构信息来检测裂缝；……