利用数字图像处理技术,进行高精度大型建筑结构形变检测,是当前数字图像处理技术在测量领域的重要应用和研究内容。由于桥梁等大型建筑结构场景范围大,直接获取桥梁全局图像很难有效提高图像分辨率和检测精度。为了实现对桥梁形变(如裂缝形变和桥跨弯曲形变)的图像检测,本文采用序列图像采集的方式获取图像信息。并在此基础上,重点对序列图像的分割、拼接和形变信息的提取等相关难点问题,进行了较详细的讨论和研究。总而言之,本文主要成果归纳如下：·在ACM分割模型的基础上,本文对该类分割算法的初始轮廓选择方式进行了研究和分析,提出了基于区域和边界重合度的初始轮廓选择算法。实验证明,该算法能较好的提高活动轮廓模型分割的稳定性和一致性。同时,对不同的分割图像具有较好的适应性。·在图像像素数较大的情况下,基于ACM的迭代分割过程容易导致全局计算量大、内存消耗多等问题,为了保证每张序列图像的分割过程在一定的时间范围内完成。本文对图像分割过程进行了调整,提出了二次分割的处理方式。该方式先缩小原始图像进行粗分割,然后划分得到的关键区域为不同的子图进行迭代分割和合并。该处理方式不仅能有利于控制迭代过程的时间,而且有利于并行处理。·本文在现有拼接算法的基础上,对特征点的分布、特征点数和抽取过程进行了研究和分析,提出了从全局最大特征点开始抽取固定点数特征点的方法。该方法有利于同时保证特征点的均匀性和对不同拼接图像的适应性。● 为了得到较高的拼接精度和减少误拼接,本文提出了由粗到精的二次拼接方法。在粗拼接过程中,采用随机抽样(RANSAC)匹配算法进行多次匹配和约束判断。对得到重叠区域进行密集特征点抽取和优化求解,从而得到具有较高精度的序列图像变换矩阵。该拼接方式不仅能减少误拼接情况出现概率,同时也能获得较高的拼接精度。● 对于桥梁形变信息的抽取,本文对拼接后的全局图像和各序列图像的单独抽取进行的比较分析。通过对序列图像单独抽取后和合并的模拟实验证明,全局信息具有较好的能较好的保证像素精度和实测精度。桥梁形变的图像检测,在图像处理的工程应用上具有较大的难度。本文从图像信息的获取、序列图像分割、序列图像拼接、形变信息的抽取与变换等方面,进行了尝试性的研究和实验。实验表明,通过序列图像和数字图像处理技术得到的桥梁形变信息具有较好的可靠性和检测精度。