基于图像的路面病害自动识别和分类,一直是图像处理和模式识别领域内的一项具有挑战性的工作,对高速公路路面的维修和养护,具有很好的指导作用。本文基于江苏省自然基金项目:路面图像中病害信息检测、分类与度量方法的研究。本文以路面病害的二值化图像作为研究对象,主要研究了路面图像的特征提取方法和分类方法。通过对路面病害图像的分析,在前人研究结果的基础上,针对路面病害图像特殊的纹理特点,将小波变换多分辨率分析引入路面病害图像分类,以图像二层小波分解后七个子频带的小波能量作为描述图像的特征,并用具有不同核函数的支持向量机进行学习和分类,取得了很好的分类效果,能够准确的区分出横向裂缝、纵向裂缝、网状裂缝、块状裂缝和坑槽等五类病害。在分类准确度上要优于Proximity算法和混合密度因子法。鉴于路面病害的检测和分类是件非常耗时的工作,我们设计了一个简单有效的可以协调多台计算机同时处理病害的分布式计算平台。该平台以任务的动态分配为中心,具有结构灵活、负载均衡等特点,可以满足实际检测的需求。