裂缝对在役钢筋混凝土桥梁的承载能力、耐久性能、环境保护、交通安全等都会造成不利的影响。传统的基于人工视觉识别桥梁裂缝的方法有着成本高、危险性大、效率低、识别精度低等诸多缺点。近年来，基于图像分析的桥梁裂缝识别系统在桥梁养护领域得到了广泛研究，但当前已有的裂缝自动识别算法尚不成熟，图像数据的后期处理仍然是采用人机结合甚至完全人工的方式，导致识别工作量仍然过大。因此，设计完善的桥梁裂缝自动识别系统是当前亟待解决的热点、难点问题。本文针对桥梁裂缝自动识别算法中存在的难题，对桥梁裂缝图像的增强、去噪、图像分割、孤立噪声去除、裂缝分类、裂缝参数的提取等多方面进行深入研究，主要工作内容和研究成果简述如下：针对图像分割，提出一种改进的基于多方位结构元素形态学的桥梁裂缝图像分割算法。针对裂缝分类，依据四种类型桥梁裂缝几何形态差异的特性，提出利用投影和小波去噪算法首先区分线性裂缝和网状裂缝，进而利用裂缝分布密度的不同再区分网状裂缝与反射裂缝，后利用图像孔洞数作为参数进一步判别裂缝类型，并利用基于BP神经网络的模式分类器实现对裂缝的准确分类。在桥梁裂缝特征参数的计算这一关键问题上，对已分类好的裂缝目标，提出利用轮廓跟踪算法，设计了有效计算网状裂缝的面积、周长和形状参数等的算法。