基于人工视觉的传统路面病害检测分类方法耗时、耗力、花费高、危险且影响交通，已很难适应现代化路网规模的快速发展。近年来，为克服传统路面病害检测分类方法的局限性，同时为适应现代化大规模的公路养护需求，许多专家尝试研究智能的路面病害检测分类系统，因此路面图像预处理、病害检测和病害分类成为了公路交通科技和模式识别领域的研究热点。本文运用图像处理和模式识别技术，完成了路面图像预处理、病害检测和病害分类算法。具体研究内容如下：(1)探索合适的路面图像预处理算法。由于路面图像相比其他图像更为复杂，常规的图像预处理算法不一定能突显路面病害信息，因此有必要探索出适合路面图像特点的预处理算法。(2)提取路面图像特征，并在此基础上探索路面病害检测算法。在路面图像预处理后，提取具有强表征能力的路面图像特征，并在此基础上讨论基于Radon变换的路面病害检测算法。(3)研究基于半监督学习的路面病害自动分类算法，将它与基于支持向量机的分类算法进行性能比较。因路面病害现象随机发生，部分类别样本数量非常少，而半监督学习思想只需利用对少量样本进行学习训练，因此有必要尝试探讨基于半监督学习的路面病害自动分类算法。本文采用的路面图像数据均来源于江西省天驰高速科技发展有限公司。采用的路面图像预处理算法能有效突出路面病害信息。基于Radon变换的病害检测算法的检测准确率高达97%。对比基于半监督学习和基于支持向量机的两种病害自动分类算法的性能，结果表明基于半监督学习的病害分类算法性能更优。