随着桥梁事业的大力发展,我国更加注重对桥梁的养护管理。桥梁裂缝作为桥梁最常见的病害和桥梁健康监测的重要组成部分,受到养护部门的重点关注。目前桥梁裂缝的检测主要靠人工巡检,这种方法存在危险性高,主观性高,可靠性差,检测效率低的问题。随着数字图像处理技术和深度学习的发展,采用这样的技术和方法实现桥梁裂缝的智能化检测,对提高裂缝检测精度和效率具有重要意义。由于桥梁表面环境容易受到光照、污渍、斑块、麻面、表层脱落等因素的干扰,裂缝图像背景比较复杂,高精度地识别和提取裂缝特征存在困难。因此,在复杂背景下展开对桥梁裂缝的检测研究具有一定的理论与应用价值。本文主要针对复杂背景图像中桥梁裂缝的检测方法进行研究,主要研究内容如下:1.对桥梁裂缝图像预处理。分析比较了常用的图像增强算法和基于阈值的图像二值化分割方法,为在削弱噪声的同时保留更多裂缝边缘特征,采用最优的导向滤波进行去噪处理。为增强裂缝特征信息,保证裂缝特征完整性,采用伽马矫正提升图像对比度。最后采用最大类间方差法分割裂缝图像。实验结果表明了本文预处理方法的有效性。2.针对数字图像处理方法对复杂图像背景下裂缝检测召回率不高的问题,本文基于U-net模型,提出一种融合Inception结构和可变形残差块的桥梁裂缝检测模型。该模型通过改进卷积方式和损失函数优化网络结构,实现了对裂缝特征的快速完整提取。实验表明,所提出模型对复杂图像背景下的裂缝提取精度更高。3.分析研究了K3M、Hilditch、Zhang快速并行三种图像细化算法,提出一种改进的Zhang快速并行算法,该算法消除了细化图像中的直角点和毛刺点,保证了骨架图像的单像素宽度和骨架的光滑性。实验结果证明了改进算法的有效性。4.为更加准确计算裂缝的最大宽度,提出了基于像素点分段直线拟合的线性裂缝最大宽度测量方法,该方法通过对裂缝骨架图像像素点分段直线拟合,根据各裂缝点的延伸方向,计算裂缝最大宽度;为准确计算网状裂缝面积,提出了基于凸多边形的网状裂缝面积测量方法,该方法将图像中裂缝的边界点和端点作为凸多边形的顶点,连接而成的封闭多边形面积即为网状裂缝的面积。5.在本文研究基础上,结合实际应用需求,设计并实现了桥梁裂缝检测原型系统,实现了图像导入、图像预处理、裂缝特征参数计算等功能。