中文摘要：

基于对沥青路面裂缝类病害图像特性的分析，研究基于多尺度几何分析和近似支持向量机的沥青路面裂缝识别关键技术，以拓展多尺度几何分析理论的应用领域，促进模式识别学科的发展。具体研究内容包括（1）设计新的适用于沥青路面识别的多尺度形态学滤波器，实现图像增强；（2）基于Beamlet变换这一多尺度几何分析工具，实现沥青路面裂缝准确检测；（3）建立二叉决策树，将沥青路面图像多类分类问题转化为多级分类问题，针对每级待分类图像的特点提取不同的图像特征，改进近似支持向量机算法，以提高对不平衡数据集的分类性能；（4）建立沥青路面裂缝识别原型系统，以验证所提出算法的有效性。研究目的在于提高沥青路面裂缝识别算法的准确度与适应性，为道路评价与养护提供科学的数据，以推进道路检测的智能化发展进程。

结论摘要：

基于对沥青路面裂缝类病害图像特性的分析，研究沥青路面图像裂缝检测关键技术，该研究能够拓展多尺度几何分析理论的应用领域，促进模式识别学科的发展，研究成果的应用将为道路评价与养护提供科学的数据，对提高我国公路检测自动化水平具有重要意义。研究进展包括沥青路面图像预处理:(1)为了克服光照对沥青路面图像裂缝检测的干扰，提出了高阶统计量的光照非均匀校正方法，显著提高了图像质量。(2) 基于不同尺度的结构元素，设计了新的多尺度形态学滤波器实现图像增强。(3) 采用改进的beamlet 算法实现了道路标线图像的快速准确检测。沥青路面图像检测与分类(1)为提高路面破损图像处理的效率和精度，提出了基于纹理和形状特征融合的路面破损图像初始分类算法；首先将图像分为完好路面、松散类破损、裂缝类破损、补丁类破损四大类，进而研究裂缝类图像的精细检测。 (2)基于Beamlet变换这一多尺度几何分析工具，实现沥青路面裂缝准确检测；通过实验对比分析，Beamlet变换可以对不同方向、不同位置、不同尺寸的待测目标进行精确逼近，是一种有效的、抗噪性能好的沥青路面裂缝检测算法。(3)采用多尺度脊边缘融合算法获得裂缝图像的边缘特征图像，采用D-S 证据理论和形状特征对融合后图像的斑点噪声进行去除，进而实现了裂缝目标的精确分割。（4）基于SVM 和形态学的道路图像裂缝检测，该方法能实现细小裂纹的检测。（5）采用结合赋时矩阵的脉冲耦合神经网络模型, 实现了路面图像分割和裂缝的粗提取;基于数字形态学的连通区域提取算法, 实现裂缝的精提取。（6）基于近似支持向量机，实现路面图像准确分类。建立沥青路面裂缝识别原型系统软件，以验证所提出算法的有效性，进而实现裂缝检测的应用。