我国路桥工程业飞速发展,促进了路桥运营维护技术的快速进步。裂缝是路桥维护中普遍存在的病害,对路桥结构安全有着不可忽视的危害。早期,我国主要采取人工视觉加简单仪器的方式对路桥病害进行检测,运营维护成本高且效率低下。基于图像处理的方法使得裂缝检测高效、经济,自动化的裂缝检测方式逐步取代人工视觉检测,成为发展趋势。本文主要对混凝土表面图像裂缝检测方法进行研究,针对渗流算法处理速度慢,提出划分重叠窗口提取暗点的方法加速渗流。通过在裂缝检测过程中进行多级去噪处理,提高裂缝检测精确率。同时,本文结合结构森林裂缝边缘检测器,提出一种具有鲁棒性的裂缝检测方法。主要研究工作如下:1.针对实际采集混凝土表面图像噪声叠加于目标裂缝信息,使得裂缝信息漏检、噪声误检等造成裂缝检测精确率不高的情况,本文研究了不同种类噪声特征,通过在预处理、预提取及渗流检测结果阶段分别进行去噪处理,实现裂缝检测过程多级去噪,得到精确率较高的裂缝检测结果。2.针对利用渗流模型进行裂缝检测效率低的问题,本文提出了划分重叠窗口提取种子暗点的方法,通过减少对背景像素点的渗流处理,仅对种子暗点进行渗流检测,加快了裂缝像素点渗流提取的速度,同时结合图像多级去噪方法,提出一种基于图像多级去噪的快速渗流检测算法,提高了渗流检测算法精确率。3.本文引入结构森林学习框架,利用裂缝图像块的结构信息,学习结构决策树的方法用于迅速检测裂缝边缘,有效提取裂缝边缘信息,在图像质量、大小完全不同的裂缝数据集上,能够获得较高鲁棒性的裂缝边缘图像。同时,利用边缘信息进行渗流处理,加速后续裂缝渗流检测速度,提出结合结构森林边缘检测的裂缝渗流检测算法。