目前，我国的基础设施建设以及房地产业正处在高峰期，混凝土使用量非常大，而混凝土的开裂问题相当普遍，因此该问题就显得非常严重和迫切。混凝土的抗裂性能评价是工程设计、施工与原材料选用的依据，能有效地保证混凝土在不同环境中满足规定的使用寿命要求，也是当今各国混凝土研究领域的热点问题之一。本文主要针对温度—应力试验机试件裂纹图像识别系统展开研究，采用理论、仿真手段相结合的研究方法，重点论述了裂纹图像预处理、裂纹图像的分割以及基于BP神经网络的裂纹图像分类器等方面内容。文中首先介绍试件裂纹图像识别系统的总体设计方案，并对主要硬件的组成情况以及软件架构作了概述。随后，针对混凝土裂纹图像的特点，着重讨论了识别系统的三个核心问题：首先，详细讨论了对混凝土裂纹图像进行降噪的图像预处理技术，在分析了试件表明裂纹图像噪声的基础上，结合试件裂纹图像噪声的特点，提出组合滤波器的降噪方案，并介绍了组合滤波器的原理。其次，对于图像分割技术，结合了试件裂纹图像直方图出现单峰的特点，提出了基于直方图修正技术的迭代剪枝算法进行裂纹图像分割。最后，针对裂纹类型的分类问题，在借鉴国内外研究的基础之上，提出了一种基于BP神经网络的分类方法。基本思想是首先将二值化后的裂纹图像进行分块处理，得到一个特征裂纹图像，最后提取三个具有代表性的特征：特征图像在水平方向和垂直方向上的投影的差分累加和Ph，Pv以及裂纹子图像像素总数Num。以这三个特征作为输入，设计了一个三层BP神经网络，网络的输出为裂纹的5个类型：横向裂纹、纵向裂纹、网状裂纹、块状裂纹以及无裂纹。并应用人工裂纹图像训练样本对该网络进行训练，然后对网络的有效性进行了验证。实验表明，该网络能够很好的满足工程的需要，总体识别率较高。