随着交通、水利水电、生态修复等工程的不断发展和深化,形成众多的人造高边坡,这些高边坡一旦失稳或坍塌,将对生命财产构成巨大威胁,因此有必要对高边坡进行监测,而裂缝作为边坡的主要病害和安全指标,很难通过人为直接检测,所以本文提出一种基于无人机影像的裂缝检测法,主要工作如下:1、图像获取与预处理采用先高空确定裂缝位置再低空最佳角度拍摄的方式获取高边坡裂缝图像,采用张氏标定法对摄像机进行标定以获取校正参数,利用校正参数对图像进行畸变校正;对于图像中混合噪声的干扰,提出一种多方向加权均值（Multidirectional weighted mean,MWM）与BM3D神经网络（BM3DNet）结合的混合噪声去噪法（BM3DNet-MWM）:首先用MWM去除椒盐噪声,然后用BM3DNet去除高斯噪声,将本方法与现有方法进行对比,表明本文方法无论在去噪效果还是在图像质量上都表现出明显的优势;对于图像中阴影的干扰,提出一种基于数学形态学和大津法的光照不均匀图像分割方法:将灰度图像进行一次底帽变换,然后再进行一次顶帽变换和底帽变换并作差,然后用大津法对图像进行分割,该方法消除了阴影区域且突出裂缝区域。2、裂缝检测根据裂缝狭长的特点,将裂缝面积和最大内切椭圆的长短轴之比作为裂缝的识别指标以提取裂缝区域;采用投影法对裂缝进行定位和分类:根据投影图像的非零区域坐标值进行定位,根据投影图像的非零区域在总区域中的占比进行分类:水平投影占比最小为横向裂缝,垂直投影占比最小为纵向裂缝,45°或135°投影占比最小为斜向裂缝;以裂缝区域的像素个数作为裂缝面积,细化后的裂缝像素个数作为裂缝长度,裂缝面积除以长度作为裂缝的平均宽度,提出一种最大内切圆直径法计算裂缝的最大宽度,有效避免了现有方法计算结果偏大的缺点,然后采用建立不同拍摄距离和拍摄角度尺度场的方法将像素距离转换为实际距离;将本文的裂缝识别效果与现有方法相对比,将本文的裂缝计算结果与现有方法和实测值相对比,验证了本文方法的有效性和准确性。