目前我国公路发展日趋成熟,已经从集中建设过渡到建养并重阶段。如何及时准确的检测出路面病害类型,延长公路使用寿命成为公路养护管理部门的关注重点。由于公路受车辆超载恶劣天气以及材料自身的影响,路面病害种类多样,若采用传统针对于路面线性裂缝的检测方法会出现适用性一般,鲁棒性不高的问题。因此本文着重研究在非均匀背景下对不同类型路面病害的检测方法:（1）根据路面病害特点,分别对图像预处理过程中的图像平滑和图像增强进行介绍并选择适合的处理方法。针对采集的图像因相对运动造成的模糊,提出了一种基于改进的Lucy-Richardson算法。该方法在模糊角度估计上采用加窗取最优的方式提高Radon变化估计角度时的精确度和可靠性,构建了一个加权函数进行自适应平滑去噪,在每次迭代之前进行一次高斯滤波以缓解振铃现象。（2）提出一种基于FNLM-Frangi滤波的路面病害分割算法。该算法对Frangi滤波中原有的高斯核进行改进,将其与快速非局部平均滤波相结合,有效抑制噪声对分割结果的影响。利用Frangi滤波对线性物体有较高响应值的优点,可以在噪声环境中有效突出病害目标。仿真得出该算法可以在保留目标边缘细节的同时平滑噪声与Fangi和Bilateral-Frangi相比分割精度分别提高了31.38%,7.26%。（3）提出一种基于GA-KELM多特征融合的路面病害分割算法。该算法将多特征与改进的核极限学习机相结合。首先对病害图像使用二维最大类间方差法选取训练样本,考虑到目前大多数针对路面病害只提取纹理特征而忽略路面病害的形状特征。为此,本文提取形状特征作为补充,然后采用遗传算法对核极限学习机中随机给定的输入权值和隐含层偏差进行优化。将降维后得到的特征向量作为特征属性对改进的核极限学习机进行训练,经过实验证明训练后的分类器对不同类型的路面病害有较高分割精度和鲁棒性。最后本文对路面病害进行分类,计算不同类型病害几何尺寸并判断破损等级。将路面病害检测算法在Python环境下实现,调用Open CV图像视觉库和Py Qt库,完成了可视化的图形交互系统设计。