随着我国基础设施建设事业的大力发展,桥梁建设工程取得了伟大的成就。与此同时,桥梁建设和使用过程中的安全检测问题也越来越重要。采用技术手段对桥梁进行安全检测,一直是桥梁工程领域的一个重要研究方向。桥梁结构的变形会直接影响桥梁的使用安全。本文针对桥梁在施工和运营期间发生的结构变形问题,利用数字图像处理技术与深度学习理论,对桥梁结构变形检测的方法进行研究。本文主要研究工作如下:1)提出Dense Time Net(密集时间序列卷积神经网络)单幅图像去雨噪声网络模型,解决了户外下雨时所采集图像的去除雨噪声问题。该网络由多个尺度Dense Time Net Block(密集时序卷积网络密集块)组成,通过卷积下采样技术得到不同尺度的雨线特征信息和降低图像维度后利用时域卷积寻找的时间维度特征信息。在不同尺度和维度下学习雨景图和无雨图之间的映射关系,加快算法的收敛速度,同时使图像特征信息在网络中可深度传播。实验结果表明,提出的方法相较于现有算法,图像去雨效果更优且图像细节修复能力更强。2)研究了SIFT、SURF和ORB算法理论,结合桥梁检测应用环境,针对SURF算法的旋转鲁棒性问题,对SURF算法特征描述子生成方式进行了改进,并使用主成分分析法(PCA)提取特征描述子中更有价值的信息。结果表明,调整后SURF算法的旋转鲁棒性强于SURF算法,更适合桥梁变形这类对旋转鲁棒性要求不高但对光照和模糊鲁棒性要求高的检测环境。3)针对点集定位过程中每一对匹配点匹配性能存在差异的问题,在矩形中心定位法和多点平均定位法的基础上提出多点加权重心定位法。主要方法是对每一对匹配点分配不同的权重系数,实验结果表明,当匹配点集中存在性能较差的匹配点对时,多点加权重心定位的稳定性强于多点平均远强于矩形中心法。4)针对远距离大尺寸场景下主动视觉标定法和相机自标定法存在不易操作、场景限制、成本高以及传统标定法随着相机与目标距离增加而标定精度加速降低的问题。参考传统靶标标定法和主动视觉标定法,提出了被动视觉相机标定法,实验结果表明该方案在远距离大尺寸场景下拥有操作简单、低成本和高精度的优点。5)基于前面的研究成果,实现了桥梁变形检测系统,实现了对桥梁结构变形的实时监测。