截至2020年,我国的堤坝总里程已超过31.2万公里。在长期服役过程中,由于水位涨落、地质灾害、复杂地质与环境因素的综合影响,堤坝破损、渗漏现象严重,甚至引发溃坝、垮塌等灾害事故,给人民群众的生产生活带来巨大威胁。研究适用于堤坝病害的快速巡检系统,及时发现病害并进行养护,对保障堤坝工程安全服役具有重要的科学意义和工程价值。对于堤坝破损、渗漏等病害检测,当前主要的检测方法仍以人工巡检为主,不仅费时费力,而且容易漏检。采用无人机巡检与机器视觉相结合的方法对堤坝病害信息进行检测与识别,能够实现对堤坝病害的快速、全方位检测,大幅提高检测效率。然而,目前基于机器视觉的堤坝病害无人机巡检系统存在检测速度慢、病害识别精度低的问题。针对上述问题,本文依托无人机的快速数据采集能力,综合运用理论分析、模型试验、现场试验等多种手段,研究基于机器视觉和数字图像处理的堤坝病害快速识别方法,设计了基于改进Frangi滤波的堤坝可见光裂缝识别方法和基于形态学重建的堤坝红外渗漏识别方法,实现了堤坝破损和渗漏的快速高效识别。同时结合实际检测需求,开发了一套功能较完备的堤坝无人机快速巡检软件平台,并通过实验对上述方法和系统功能进行了验证。本文主要研究内容如下:1.在堤坝裂缝快速识别方面,本文对传统Frangi滤波算法进行了改进,设计了一种基于改进Frangi滤波的堤坝可见光裂缝识别方法。首先采用基于支持向量机的SURF分类器对无人机采集的可见光图像数据进行快速分类,实现对堤坝裂缝的快速判定。接着在堤坝裂缝识别环节采用基于改进Frangi滤波的堤坝裂缝识别方法对裂缝图像进行快速识别。该方法在传统Frangi滤波的病害判别模型的基础上引进了图像增强和噪声抑制函数项,提高了传统Frangi滤波算法对裂缝图像细节的敏感程度和噪声抑制能力。最后给出了裂缝长度、最大宽度和分布面积的计算方法,并通过实验进行了验证。2.在堤坝渗漏智能识别方面,本文设计了一种基于形态学重建的堤坝红外渗漏识别方法。首先利用MAD中值滤波去除红外图像中的离群点,然后采用广义形态学滤波对图像进行平滑,并与图像top-hat变换叠加,实现堤坝红外图像的去噪与增强,接着采用五次权函数和对数变换对传统的形态学重建方法进行改进,并利用渗漏区域温度梯度信息对形态学重建进行约束,使传统基于形态学重建的方法对堤坝红外渗漏区域识别更准确,实现了堤坝渗漏区域的快速识别,最后通过实验对本文方法进行了验证,并对渗漏区域面积进行了计算。3.根据实际工程需求,开发了适用于堤坝无人机巡检系统的裂缝及渗漏识别软件,实现了参数配置、裂缝和渗漏检测、结果存储与显示等功能。通过现场测试,验证了本文方法和软件功能的有效性。