本文提出的光学无损路面病害自动检测算法，针对目前路面病害检测算法存在的精度低、适用范围窄、自动化水平低的缺陷，着重研究了复杂背景下裂纹病害的提取以及病害的自动分类问题。主要工作内容和研究成果简述如下： 1．提出了基于Ridgelet变换域的模糊自适应图像增强算法，利用在傅里叶变换域给出的Radon变换积分投影与原场分布在频域上的联系，实现离散Radon变换投影切片定理。并提出Radon变换重建原图像的基本条件；利用广义模糊集合概念和最大模糊熵原理，提出一种自适应设置模糊增强函数方法，使得增强后的图像在抑制噪声、增强特征方面达到较好折衷。 2．提出基于Curvelet变换域的路面图像去噪算法。Curvelet变换综合了Ridgelet擅长表示直线特征和小波适于表现点状特征的优点，并充分利用了多尺度分析独到的优势，适用于路面中网状裂纹的增强去噪。针对Curvelet系数稀疏矩阵表示出来的局部结构信息设计了一种自适应的消噪处理方法，对局部邻域中心点的高频Curvelet系数进行处理得出新的Curvelet系数，以达到去噪的效果。 3．提出了一种基于亚像素多重分形原理求取图像奇异性的新型算法，降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律，利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合，对应着从边缘到纹理各层面的图像内容。采用多重分形理论并结合具体图像的物理和统计特性进行路面裂纹病害图像分割的分析，通过奇异性指数的概率分布以及最奇异指数值可判断图像中有无裂纹病害。 4．最后介绍了自行研制的路面裂纹病害自动检测系统的框架结构。主要由图像采集和病害检测两大模块组成。详细说明了系统中图像采集模块的设备运行参数，以及病害检测模块的工作流程。目前该系统己经投入使用，并完成多条高等级公路的检测任务。实际使用结果表明本系统的正确率在90％以上。