中国大坝水库总量雄踞世界第一,然而水库的溃坝率、老化率等问题十分严重。传统的大坝检测主要是依靠人工检测,人工检测具有易出现危险,不够精确,以及浪费人力物力等缺点。大坝裂缝图像受大坝环境的影响往往存在对比度低、光照不均匀以及表面噪声干扰严重的问题。使用计算机图像处理技术直接对大坝图像进行图像裂缝提取检测效果十分不理想,而大坝图像的纹理噪声干扰问题、水下大坝图像的模糊难以识别问题、复杂裂缝的骨架提取问题无不增加了大坝裂缝检测的困难。针对水上大坝图像的纹理噪声干扰问题,本文通过分析噪声信号的频谱特征,得出噪声信号与图像信号的频谱关系,使用基于小波变换的图像去噪算法进行去噪。算法首先对图像信号进行离散小波化处理,用小波函数进行2层分解。接着,设置阈值过滤掉噪声信号,然后通过两次重构得到最终的去噪图像。针对水下大坝图像难以识别的问题,根据大坝裂缝水下成像模型展开图像增强技术的研究。本文提出的暗通道图像增强算法利用暗通道先验理论对散射折射模型进行推演,得出图像的复原表达式。算法通过下采样及导向滤波快速地获取大气光值及透射率,利用加权求和的方式对透射率进行优化,并依据大气光值及透射率值反求得到增强图像。本文提出基于mask原理的大坝图像匀光算法解决光照不均对水下大坝图像成像造成的干扰。算法通过建立矩形滤波掩模,将大坝水下裂缝图像与矩形滤波掩模做二维卷积从而拟合出水下大坝图像的光照强度变化图。利用mask模型反求得到初步的匀光图像,紧接着进行拉伸增强得到最终的匀光结果。针对PCNN算法使用需要花费大量时间调参的问题,本文提出了基于遗传算法的PCNN图像分割算法,通过遗传算法最优搜寻PCNN所需的阈值矩阵,可以自动化地完成图像的分割功能,极大地降低了人工调参所需的成本。最后根据数学形态学以及连通域原理对得到的骨架裂缝进行了参数计算,从而能够自动化地完成裂缝检测。