随着国家经济实力的不断增强,大量混凝土设施建设持续进行,对于混凝土结构设施的检测和养护需求与日俱增。尤其是在我国公路桥梁数量位居世界首位的前提下,养护任务极为艰巨,远远跟不上建设的速度。而其中裂缝是混凝土结构中最常见的病害,裂缝如果得不到及时修补,会导致桥梁坍塌的严重事故,危害人类生命和财产安全。目前主要的裂缝检测方式还停留在人工检测阶段,成本高、主观性强且检测效率低,检查人员的安全难以得到保证。因此基于数字图像处理技术的智能化、自动化裂缝检测系统应运而生,成为了当前检测领域的热点研究方向。本文对以非接触式方式获取的裂缝数字图像为研究对象,从裂缝特征和数字图像处理算法原理出发,对传统算法进行改进优化得到更适合于混凝土结构裂缝数字图像的检测算法,实验证明该算法检测正确率高且具有一定的鲁棒性。根据本文研究的裂缝检测算法,在MATLAB平台上开发了基于数字图像的混凝土结构裂缝检测系统。本文主要的工作内容如下:(1)裂缝数字图像的特征分析与预处理:对多种类型、不同状态的裂缝进行观察后总结出裂缝在图像中的特点,并应用于后续的图像处理。在图像预处理部分提出了一种基于小波分析的图像增强算法——Relight算法,有效去除图像采集过程中的光照不均影响;在传统滤波算法的基础上进行改进,再结合裂缝特性,得到了三种优化滤波算法,分别为八方向权重自适应形态学滤波、中值-双边滤波和互交叉双边滤波,有效去除裂缝图像噪声。(2)基于脉冲耦合神经网络(PCNN)的裂缝分割算法:由于PCNN模型参数多、迭代次数难以确定等缺陷使其难以实现自动化。因此本文将模型简化,通过建立马尔科夫网络与二维图像之间的联系获取裂缝分割的初始阈值,提出基于马尔科夫网迭代灰度阈值的SPCNN分割算法。(3)基于灰度相似性和方向一致性的裂缝连接算法:由于裂缝多样性和复杂性,经SPCNN分割提取的裂缝会出现一些断裂和误提取。为了获取完整的裂缝图像,建立灰度相似模型初步连接,再通过特征向量选取裂缝片段,基于发展趋势按照生长准则对裂缝进行连接,得到真实裂缝图像。(4)裂缝分类及特征参数计算:将裂缝分为横向、纵向、块状和网状裂缝4种,结合裂缝几何特征和投影特征进行裂缝分类,保持投影法运算速率的同时提升了分类的准确率;不同类型裂缝的损坏程度表征量不同,横向、纵向这类线性裂缝选取长度、最大宽度和平均宽度特征参数,块状、网状这类复杂裂缝选取面积、重心和密度参数表示。对这些参数提出了对应的计算方法,实验验证了计算方法的可靠性。(5)集成上述改进算法研究设计了一套混凝土结构裂缝检测系统,该系统扩展性好、交互性强、用户可读性高。