使用基于计算机视觉的方式进行路面病害检测时,图像中含有的车道线区域会对检测结果造成干扰,因此,研究如何高效地、自动地移除待检测图像中的车道线具有深远的意义。论文在研究相关课题的基础之上,提出了一种车道线移除技术,用于在不改变路面病害信息的前提下,减小车道线对路面病害检测的影响。首先,对车道线移除需求以及技术流程进行分析,通过分析结果选择关键技术。其中,对所用到的关键技术:图像分割技术和图像修复技术的研究现状进行了说明,并介绍了图像分割技术与图像修复技术的相关理论基础。其次,详细地分析了论文所用的Criminisi图像修复算法,对其存在的问题提出相应的改进点。针对计算具有最高优先权的样本块时使用的优先权公式不够合理的问题,提出了一种改进的优先权计算公式;针对修复图像时使用的样本块大小为固定值,可能会导致其不能适应图像细节变化的问题,提出了一种自适应选择修复样本块的方法;针对在选取最佳匹配块时,全局搜索可能会导致整体速度过慢的问题,提出了一种最近匹配原则。最后,使用几种传统的图像分割技术对车道线移除的实验图像进行分割,通过比较,选用Otsu法分割出的车道线区域作为mask将包含车道线的区域全部移除得到受损图像,并分别用论文提出的改进Criminisi算法和原Criminisi算法对受损图像进行修复。结果证明,改进算法在修复效果和修复速度上较原算法都有所提升,并且论文提出的车道线移除技术可以很好的减小车道线对路面病害检测的影响。