随着我国交通运输事业的发展,桥梁数量呈现爆发式增长,对桥梁设施进行病害检测的需求与日俱增。裂缝作为各种严重桥梁病害的早期表现形式,受到养护部门的重点关注。为保障交通安全,养护部门需要定期通过人工检测的方式,对桥梁设施进行裂缝检测。然而,人工检测方法存在人力物力成本高、主观性强、可靠性低等显著缺陷。对基于图像处理的裂缝自动化检测方法进行研究和实现,具有理论研究价值和实际应用价值。本文对图像裂缝检测所涉及到的关键技术进行了研究和系统实现。主要的创新性工作包含以下几个方面:一、由于裂缝图像采集多在室外进行,受拍摄环境因素影响,常出现信噪比低,模糊等降质现象,造成检测率的降低。本文针对这些因素导致的图像降质问题,应用暗通道去雾算法进行图像预处理,提升图像质量。实验表明,经图像增强预处理后,本文检测算法的查全率可提升13%。针对暗通道去雾算法的处理速度问题,本文对该算法的GPU并行加速方法进行了深入研究。对运行次数多,耗时占比大的最小值滤波和均值滤波,本文提出了一种分块并行计算的方法,充分利用GPU多层次存储结构,大幅提高了处理速度。实验结果表明,本文提出的GPU并行算法与CPU串行算法相比,加速比可达30倍,对1920*1080分辨率彩色图像处理时间缩短至26毫秒,处理速度优于现有算法。二、针对已有裂缝检测算法中张量投票模块耗时长的问题,本文提出了一种角度量化的张量投票算法,通过计算离散角度张量场并生成查找表的方式,降低了算法运算量,处理速度提升3倍以上。量化后,检测算法的查准率、查全率、F值无明显变化,表明本文提出的量化算法能在不改变检测精度的情况下提升算法运行效率。三、本文提出了一种基于多尺度检测结果融合的裂缝图像检测方法。通过对被测图像在不同尺度下进行检测的检测结果进行融合,可以实现不同宽度裂缝的准确检测。实验结果表明,本文检测算法与已有方法相比,查全率有一定提升。