文章主要研究了处理沥青路面图像中裂缝自动识别所使用的方法,解决了路面图像裂缝识别中的有关图像灰度不均,图像对比度较低,包含噪声多且复杂,有阴影,阈值不好确定,裂缝难以识别等问题,具有非常重要的研究意义。文章的主要研究工作包括：(1)针对路面图像整体灰度较低、细节较少、动态范围较大问题,提出了基于小波变换和PCNN模型增强图像的方法,以及改进Retinex的图像增强算法。前者利用小波分解,结合PCNN模型不同的激活方式,加强图像的梯度,有效突出了裂缝的信息；后者基于Retinex理论,结合梯度和图像细节信息,构造了一个复合平滑传导函数,避免单尺度Retinex方法的增强效果不佳和多尺度方法的计算量大,不仅突出了裂缝信息而且更好的保留细节,起到了良好的增强效果。(2)针对路面图像包含复杂噪声问题,设计了针对三种噪声类型的图像降噪方法,针对高斯噪声,采用基于变换域和噪声估计的噪声处理方法,对于脉冲噪声和椒盐噪声,依据噪声的特点,改进了中值滤波进行处理的方法,实验结果表明三种算法都能有效地去除噪声而且可较好地保留细节信息。(3)针对路面图像存在灰度不均问题,提出了基于统计特性的光照不均校正算法和基于采样窗的灰度校正算法,该算法利用分块思想,结合路面图像的正态分布特性、以及图像不均匀成像原理,有助于解决图像的灰度不均问题,实验结果表明,该算法能够达到校正光照不均的目的。(4)针对路面图像无法使用简单阈值分割问题,提出基于统计模型的分层次阈值裂缝分割方法。依据路面图像的正态分布特点确定双阈值,提取裂缝的骨架点信息；利用单阈值得到裂缝的大致外形像素点信息,结合区域扩张法和骨架点重新建立裂缝信息,最后使用数学形态学方法进行裂缝的修复,完成了对路面图像裂缝的精确分割。(5)针对路面图像的二值图像,提取X轴和Y轴投影的5个特征,应用模糊神经网络方法实现了路面裂缝图像的分类与识别,避免了2个特征下GA方法和SOM方法分类的不足,取得了较好的分类结果。文章中所提到的方法都进行了较详细的理论分析和证明,并且做了大量的实验来证实算法的有效性。