随着目前我国隧线比高的高速铁路的大量建设,未来将会面临着大量隧道需要进行检测和维护的状况。然而传统检测方法效率低,不能满足高速铁路的检测要求。因此,急需研究一种快速检测隧道结构表面病害的方法和技术方案。采用基于图像处理的检测方法,重点对隧道结构表面裂缝病害的图像提取方法展开研究。主要开展了以下五个方面的研究：图像修正、图像去噪、图像分割、裂缝快速识别和病害检测。针对采集图像存在畸变的情况,根据畸变产生原理进行了图像修正,使得图像信息更为准确。在图像采集时,研究了引起像素当量变化的一些情况,并提出了相应的修正方法和建议。在图像处理方面,采用了自适应中值一维纳滤波法对图像进行去噪处理,该方法在去噪的同时,更多地保留了图像边缘信息。隧道图像背景灰度值杂乱,采用基于边缘信息改进的Otsu法进行分割；同时对分割后的图像进行了孤立点去除和形态学处理,减少图像中的杂质区域。在裂缝快速识别方面,由于检测系统所采集的图像数量大,且分割图像仍然含有杂质区域,不利于裂缝直接提取。基于裂缝与非裂缝间特征的区别,选取了长度、面积、占有率、平均宽度、背景连通域数目以及圆形度六个特征,采用支持向量机法建立了识别模型,从而实现了图像中裂缝区域的快速判别。在隧道病害检测中,主要检测隧道裂缝发展状况和掉块区域。通过裂缝骨架图像拼接、里程定位实现了不同时间拍摄的裂缝的对比,从而研究裂缝的发展状态。同时通过对复杂裂缝区域裂缝骨架的分析,提出了通过回路检测来确定是否含有掉块的方法。通过研究基于图像处理的隧道表面病害检测方法,试图建立一个完整的采集图像处理和病害检测的流程,为隧道结构表面病害检测系统的研发奠定基础。