近几年,随着无人机技术的不断发展与进步,它在电力巡检、农药喷洒、物流配送、城市违章建筑监测等领域的实际应用价值不断提升,无人机的使用使这些领域自动化水平不断提高,同时也降低了工作人员的劳动强度。但是在公路养护、维护方面,相关科研人员对于无人机的运用研究才刚刚起步,目前道路病害检测仍主要依赖于道路检测车,其自动化水平、能耗及工作人员劳动工作环境有待进一步改善,将无人机技术与路面病害检测技术结合,可充分发挥无人机自动化程度高、能耗低、能够显著降低工作人员劳动强度的优势。因此将无人机引入到道路检测任务研究中将会对高速公路养护和监测产生一定程度上的影响。本文以无人机作为平台对高速公路道路裂缝病害检测进行研究,结合研究背景,在现有的技术基础上对道路路面裂缝检测算法进行进一步的探究,对无人机拍摄影像自身特征进行分析和思考。同时针对无人机航拍图像,提出一套包含三种算法的道路路面裂缝病害识别系统,实现了从原始拍摄图像到裂缝准确识别的过程。本文的主要工作如下:(1)提出基于无人机检测平台的道路图像路面识别算法,将现有的数字图像处理技术与无人机航拍图像自身特征相结合,设计出无人机道路路面识别算法流程。该流程首先使用Hough直线变换对道路边界线进行检测,然后遍历整个图像去除复杂背景、实现路面分割,最后针对Hough直线变换方法在航拍图像道路弯曲、分叉等复杂场景下识别不准确的缺点,使用Lab颜色模型对路面图像进行分析、识别,从而提升无人机路面识别算法的的通用性和准确率。(2)提出基于神经网络的路面裂缝判别算法,主要用来判断上一步识别出的路面是否存在裂缝病害,从而将含有裂缝的图像从海量的图像数据中挑选出来。首先,对上述处理后的路面进行阵裂,将大图像阵裂成很多60*60的子块图像,便于神经网络裂缝有无的判断;其次,建立一个包含不同形态的有裂缝和无裂缝的10000张图像的数据集,用作神经网络训练时的训练集,然后根据实际需求设计神经网络结构模型,最后选择合适训练函数,使用误差反向传播算法对神经网络进行学习,从而完成整个神经网络裂缝判断的训练任务,筛选出含有裂缝的子块图像。(3)提出基于无人机检测平台的道路路面裂缝识别算法,考虑到裂缝病害在图像中占比较少,不易被检测识别,在上述操作结果的基础上,对筛选出来的子块图像直接进行处理。在对子块图像进行检测时,首先使用最大类间方差法求得含有裂缝子块图像的二值图,然后使用连通域标记的手段,通过面积、长宽比等约束条件对二值图进行滤波实现子块裂缝提取,最后对子块图像进行物理拼接,再使用形态学闭运算实现裂缝断裂处连接,从而完成航拍图像中裂缝的检测和识别。