跨座式单轨交通系统是城市轨道交通的一种重要制式,其梁桥系统中的预应力混凝土轨道梁对单轨列车起着支撑和导向作用,它的健康状态直接关系到乘客和地面人员的生命安全,因此轨道梁表面裂纹检测是单轨交通系统日常维护中最为重要的工作之一。相对于传统的人工检测,基于计算机视觉的检测技术具有突出的高效性和安全性,已成为大型基础设施健康状态检测中的重要手段。目前,数字成像技术快速发展,轨道梁表面裂纹检测的图像采集系统日趋成熟,但是裂纹检测的图像处理技术仍相对滞后。本文主要研究基于图像分析的裂纹自动识别技术,并着重解决从高噪声背景中识别细小裂纹的问题,同时兼顾计算速度。轨道梁表面图像数据总量十分庞大,为保证及时发现裂纹,计算速度是本研究中必须考虑的重要问题。本文首先提出了用于裂纹区域检测的曲面形状识别方法,用相对更快的速度将图像分成裂纹图像和非裂纹图像,从而大幅降低后续裂纹提取步骤的工作量。基本思想是,将图像转化为参数化曲面后,非裂纹曲面间的形状变化可认为由近似的保距形变产生,而裂纹曲面与非裂纹曲面的形状差异可认为由非保距形变产生,两种曲面可通过测地距离图来辨识。为解决裂纹中的间隙对测地距离图产生明显干扰的问题,本文提出了计算测地距离图的平稳行进算法。曲面形状识别方法主要利用曲面的全局几何特征,因此具有很强的抗噪能力。实验表明其兼顾了计算速度和检测准确率。此外,该方法还能够扩展成一种裂纹快速提取方法。裂纹提取是裂纹危害等级评估的前提性工作。然而提取嵌入在高噪声背景中的细小裂纹仍是一项难题,目前很多方法仍然不能兼顾自动化水平、抗噪能力以及对裂纹宽度信息的保留。本文提出了两种新的裂纹自动提取方法,均具有抗噪能力强以及能够保留裂纹宽度信息的性质,克服了上述问题。提出的第一种裂纹提取方法是曲面上各向异性聚类方法。基本思想是通过空间聚类将像素点分配到任意形状的空间簇中,然后根据形状狭长这一特性筛选出对应于裂纹的空间簇。该方法仍将灰度图像通过曲面表示,然后基于曲面的几何性质,设计了各向异性的聚类准则,确保在将相邻对象分离的同时能够将一条裂纹的多个片段归入同一个空间簇。此外,通过与全局凸分割模型的结合,聚类过程所需的候选点和重要参数可以自动设定。提出的第二种裂纹提取方法是最小路径点过程方法。基于最小路径的裂纹提取方法面临的首要困难是如何自动设置最小路径的端点。该方法将最小路径的端点视为点过程模型中的标记点,然后建立点过程的Gibbs能量,从而将最小路径端点的自动设置问题转化为能量最小化问题。另一方面,相对于传统的标记点过程模型,该方法建立的模型不必考虑标记点的内部约束作用,并且具有更小的配置空间,因而在使用随机搜索算法求解时具有很高的求解效率。通过与全局凸分割模型相结合,该方法同样可提取包含宽度信息的完整裂纹。与第一种裂纹提取方法相比,该方法对于连续性差和边缘模糊的裂纹可取得更为准确的提取结果。本文最后对裂纹提取结果进行局部形状分析,以实现找出最宽裂纹区间以及去除块状噪声的目的。这一部分沿用了前文的图像几何化表示思想,并提出了使用Laplace-Beltrami特征函数定位块状噪声和最宽裂纹区间的方法。为适应裂纹曲面的特点,该方法对Laplace-Beltrami矩阵进行了必要的针对性调整。