摘要：路面裂缝作为道路的最普遍病害之一,及时准确地识别和定位裂缝对道路的养护与持续健康运行具有重要意义。然而路面裂缝检测易受路面光照、路面阴影以及路面环境等复杂因素的影响,导致路面裂缝分割精度低并容易出现断裂等问题。为实现路面裂缝图像快速、准确的语义分割,本文提出了基于像素强度顺序变换和unetformer的路面裂缝分割模型。首先采用像素强度顺序变换算法对裂缝图片进行预处理,根据各像素与其附近像素之间的强度顺序,将图像沿着对角线4个方向转换为对比度更高的四通道图像,保留裂缝曲线结构固有特征的同时有效增强了裂缝与背景像素对比度;然后基于UNet和Transformer网络的结构特征,通过构建unetformer分割模型完成对路面裂缝的高精度分割,其中设计并引用了全局-局部注意力机制以充分捕获路面裂缝特征信息。最后,使用CFD、Crack200和Crack500三个开源数据集进行实例验证,实验结果表明,本文所提的裂缝分割模型F1-score分别达到83.4%、82.6%和81.9%,模型参数仅为UNet网络模型的37.7%,相较于现有的裂缝分割模型具有更高的分割精度以及更强的泛化能力。