近年来，随着高速公路的迅速发展，高速公路路面养护管理成为一个热门话题。在路面养护中，路面病害信息检测是路面进行养护的前提。然而，传统的病害检测主要由人工完成的，不但费时费力，而且效率低；同时采集到的信息是孤立的、不连续的，无法满足对路面进行高效维护和管理的需求。所以，如何设计高效的路面病害检测算法，实现路面病害的自动检测具有非常重要的意义。　　首先，论文分析了路面病害视觉检测系统，介绍了系统的硬件和软件组成；总结分析了已有的图像处理技术及分割算法，并重点研究了路面裂缝提取算法；在相位编组法的基础上，提出了基于遗传算法的相位编组法路面裂缝提取，该算法适合于简单裂缝的提取。为了满足对复杂路面裂缝图像的检测，引入了基于流形距离的迭代聚类算法路面裂缝提取，实现对复杂路面裂缝的提取。然后，根据路面病害的特征，提出了一种基于遗传算法的 BP神经网络路面裂缝识别算法，该算法能够实现路面病害信息的准确分类。最后，对路面病害的大小和面积等信息进行了测量。　　本论文基于机器视觉的高速公路路面病害检测技术研究，结合 GPS定位技术和数字图像处理技术能够有效实现路面裂缝的定位和识别，依据路面图像特征,选取合适的图像处理算法,判断出裂缝类型，有助于提高图像的处理速度和处理结果的可靠性。实验结果表明，本文提出的病害检测算法不仅能够满足路面病害的自动检测，同时可以实现高速公路路面的有效养护，还可以提高道路的维护效率和管理水平。