对斜拉桥拉索的检测是斜拉桥病害预防中的一个重要课题。拉索表面保护材料层的病害主要有腐蚀、锈蚀、缺损、开裂、磨损、老化等；当今主要采用人工检测法对拉索表面保护层进行缺陷检测。为了快速有效地对拉索表面缺陷检测,本文设计了基于计算机视觉的表面缺陷检测方法。但是拉索处于开放环境中,采集到的拉索表面图像受到自然光以及拉索晃动等影响,使得检测拉索表面的缺陷具有很大的挑战。本文设计了一种视觉检测系统。首先通过爬索机器人携带4只摄像机,对拉索表面进行图像采集；而后,从获取的拉索表面图像中提取拉索主体部分图像；接着使用改进的局部对比度增强方法对拉索图像增强并且使用改进的最大相关方法对增强后的图像进行分割处理；最后,通过图像梯度信息对拉索表面图像进行缺陷判定。根据拉索图像的特点,论文重点研究了拉索图像的增强和分割技术；在增强阶段,本文使用改进的局部灰度对比度增强方法,该方法是非线性的,并且其对光照条件不敏感,其借鉴了人类视觉的对比度感知机理,可以将灰度级较低范围内的对比度增大,能够有效地突出拉索表面缺陷；在阈值分割阶段,本文采用改进的最大相关阈值分割方法,该方法是选择使目标相关和缺陷权重乘积最大的最优阈值,使拉索表面缺陷成功提取。实验数据显示,本文设计的检测方法的查全率对于Ⅰ类缺陷为80.4%,对于Ⅱ类缺陷为85.2%；实验结果还表明本文设计的方法在拉索表面缺陷检测中还优于其他同类的方法且本文所设计的视觉检测系统运行效率较高。