桥梁作为道路、公路和铁路等交通系统的枢纽,其结构健康状况与群众的生命财产安全、地区经济发展和社会安定紧密相关。我国当前的桥梁保有量极大,截至2019年底,全国现有公路桥梁87.83万座,合计6063.46万米。但是由于设计缺陷、施工质量不达标、自然灾害和超负荷运营等多种原因引起的桥梁安全事故正频繁出现。裂缝不仅是桥梁安全出现问题的一种征兆,还严重影响桥梁的结构强度和耐久性,因此裂缝检测是桥梁安全检查的重点内容之一。基于图像的桥梁裂缝检测技术以其检测速度快、方法便捷和自动化程度高等优点,将逐渐取代传统人工检测手段并成为主流测量方法。但是目前基于图像检测的硬件系统和软件算法上均存在局限,无法较好满足实际检测的需求。基于此,针对传统人工检测方法的诸多弊端,结合现有机器视觉测量系统、数字图像处理算法和深度学习技术的研究现状,本文完成了以下研究内容:(1)提出了一套全新的图像测量方法。该方法设计激光虚拟标尺设备并提出新的测量理论,能够在非接触条件下准确获取被测图像比例尺,进行裂缝宽度、长度和开裂面积的精准测量;(2)进一步优化了上述方法中对裂缝图像的处理。设计流程化图像处理算法,在复杂背景和噪声干扰下能有效提取出图像中桥梁裂缝的边缘轮廓;(3)进一步发展了上述图像方法的智能化理论。利用图像切片和卷积神经网络识别的方法,在大视场采集的高分辨率桥梁照片中,自动完成结构的开裂区域检测。