在我国的交通运输建设过程当中,公路桥梁一直是非常重要的组成部分。由于之前改革开放的大力建设,现阶段,我国每年步入维保期的桥梁总数也在日益增加,因此对桥梁安全检测尤其是对桥梁裂缝检测的需求已经提高到一个新的高度,然而由于传统的人工检测方法不但工作危险系数大,工作成本高,而且检测效率低,检测结果精确度和可信度较低。随着现代计算机技术的飞速发展以及计算机硬件性能的不断提高,使发展最迅速的数字图像处理技术能够应用到桥梁裂缝检测中也成为可能,所以,提出新的可视化裂缝检测方法来完成对桥梁的健康评估势在必行,而且具有非常大的价值意义。本文工作基于一种自主设计的可以实时采集到桥梁底面图像的桥梁检测设备,提出了用于混凝土桥梁裂缝检测的图像处理算法,并采用基于机器学习的分类方法进行桥梁裂缝的分类,最后还进行了桥梁裂缝最大宽度的计算,为改善交通运输中的桥梁检测与维保工作做出重要贡献。其中具体工作有以下几个方面:(1)首先针对采集到的图像进行预处理从而使目标裂缝得到了增强并且噪声干扰物得到了相对的弱化,预处理包括灰度化,滤波以及图像增强。然后对处理后的图像进行粗分割,最后运用图像形态学分析方法进行图像中噪声块的滤除,从而初步分割出桥梁裂缝目标。(2)目标裂缝的连接。由于裂缝图像通过上述的图像处理方法会一定程度影响裂缝连接性,为了得到更加连续、完整的裂缝目标,论文通过一种基于KD树的裂缝连接算法进行裂缝片段连接。首先,计算每段裂缝间的最小外接凸多边形并找到每段裂缝的端点;接着,设定一个阈值并判断不同裂缝段上两端点之间的距离是否小于该阈值,小于则连接这两个端点;最后将连线之间的裂缝连通域填充起来,从而提取出完整的连续的裂缝。(3)裂缝目标的分类。因为不同类型的裂缝对桥梁的危害不同,所以在提取出完整的裂缝目标之后,还需要进行裂缝的分类工作。本文根据裂缝的分类需求提出一种基于学习型的SVM决策树分类方法用于桥梁的裂缝分类。首先根据裂缝的不同特征提取了 7维的裂缝特征向量;然后根据训练样本训练出所需的SVM分类器;最后将验证样本集输入训练好的SVM分类器中进行验证分类。最后验证结果表明,本文所采用的分类方法对于桥梁裂缝的分类精度较高,能够应用到工程当中。(4)裂缝长度及最大宽度计算。针对裂缝长度宽度等几何信息计算精度不高的问题,本文首先在二值图像上计算裂缝的骨架点,通过骨架化求取裂缝长度,并对图像细化做出了改进;然后通过二值形态学腐蚀算法按照本文设计的算法流程进行裂缝最大宽度的计算,得出的测量结果与实测结果进行对比,最后得出结论。本文提供的裂缝最大宽度计算方法,在识别裂缝宽度的精度上能够满足工程实践的需要。现如今,使用数字图像处理技术对混凝土桥梁裂缝进行检测识别的研究已获得了非常广泛的关注。而本文研究的可视化检测诊断方法不但可以解放广大劳动力,降低检测维护成本,而且还可以有效地排除人为因素的主观干扰,具有较高的实用价值以及应用前景。