高填方渠道是指填筑高度一般大于6m的填方渠道。高填方渠段广泛分布于南水北调中线工程中。由于南水北调中线工程填方高度大、分布范围广及工程地质条件复杂等原因,导致其衬砌面板开裂或渠坡道面破损而出现渗漏。虽然渗漏的作用水头较小,但由于渠线较长,其渗漏量依然会较大。因此,高填方渠段渗流监测技术是南水北调中线工程安全技术的关键技术之一。为保证通水后渠道的安全运行,确保人民生命财产安全,需要对高填方渠段进行专项渗漏监测设计。国内外对于大坝渗漏隐患检测的研究主要有地质雷达法、电阻率法、超声波、图像处理等检测法。渗漏检测的算法模型有渠段渗流模型、多源数据融合模型、多目标逆建模等。然而,目前尚无针对高填方渠道渗漏检测的方法。随着图像处理技术的不断提高,渠道坡面图像破损检测也成为查找渠道渗漏的一个研究内容。本文提出基于多特征融合的高填方渠道水泥坡面破损监测模型,对坡面图像进行各种特征提取和融合处理,判断出高填方渠道水泥坡面是否为正常、裂缝、孔洞及其他四种情况,从而达到预防和发现高填方渠道是否有渗漏的效果,起到警惕的作用。本文的主要研究工作如下:1.设计南水北调中线工程高填方渠段渗漏监测模型,对水泥面图像在空间域与频率域分别进行特征提取分析,其中空间域包括颜色直方图的颜色特征提取、Hu不变矩的形状特征提取和灰度共生矩阵的纹理特征提取;分别对各种特征进行分析,将提取方法进行改进,最后用SVM对三种空间域特征进行分类得出各种评估结果。2.建立基于Gabor小波的高填方渠道渠坡频域特征提取模型,研究Gabor小波多尺度多方向选择特性,对各尺度与各方向提取的特征进行分析,找到最佳的尺度与方向参数组;使用SVM进行分类得出识别结果,通过实验结果验证最佳尺度与方向参数组,从而使得在分类器性能相同的情况下得到的分类效果更好。3.提出基于有监督特征选择的高填方渠道渗漏监测模型,对卷积神经网络进行算法优化和方法融合研究,在卷积层和池化层的卷积核尺寸与通道数、全连接层的激活函数选择等各参数进行分析与设计;并将设计好的卷积神经网络应用到高填方渠道图像的特征提取与分类识别,判断高填方渠道是否存在渗漏隐患,将为南水北调高填方渠道渗漏隐患查找提供技术支持。