排水系统是现代化城市不可缺少的重要基础设施，排水管道运行状况和人们的生产生活紧密相关，要定期进行管道检测和维修，了解地下管道的运行情况，及时做好检修维护工作，防治管道泄漏事故发生。对于大城市中众多的管道维护和修复是一项挑战性的工作，这往往需要大量的人力物力，管道病害识别系统可以准确评估现有管道的运行状态，检测管道中的缺陷和损坏状况，在城市排水管道检测和维护中有广泛的应用前景。目前管道扫描和评估新技术不断出现，比如声纳，激光扫描系统等方法，视频图像检测技术以其低成本和高效在近年来发展迅速。　　 目前地下管道检测系统多数基于闭路电视（CCTV），通过控制装有摄像机的爬行器在管道中行进，拍摄管道内的图像数据并通过信号电缆传送到地面上的监视器，操作人员通过地面上监视系统判断管道的破损情况及其发生的大致位置，人工记录管道缺陷类型和属性，这种判定严重依赖于操作人员的工程经验，每个操作人员的对管道缺陷的评价标准不尽相同，检测有很强的主观性，而且这种方式并不适合长距离管道的评估检测，长时间工作造成检测人员的疲劳和注意力分散往往会影响识别的精度和描述的准确性，开展基于图像处理与识别的管道自动检测系统的研究，实现管道病害智能化检测，减轻工作人员的劳动强度，提高检测的效率。　　 管道图像识别过程中的重要前提是图像预处理，其中的图像自动分割技术是一个充满挑战的工作，到目前为止还没有一个通用的分割方法和标准，本文在传统的分割方法基础上，参考近年来图像分割领域出现的新方法，针对管道图像背景差异较大的特点提出了一种新的基于背景差的管道图像增强和对象提取方法，对不同背景的管道特征提取和缺陷类型比如裂缝，破洞等识别效果具有很好的鲁棒性，试验表明用此方法进行管道图像的预处理和分割更为精确高效，分割后提取图像中的目标特征经过处理后引入SVM算法中，解决了一张图像检测多个目标的问题。试验中采用不同核函数验证SVM算法的识别率，并对其识别分类的效果与神经网络算法做了比较。　　 针对地下排水管道的特点，开发出一套自动管道集成检测系统，可以实现对摄像机拍摄的图像实时在线分析，也可载入录制的视频或保存的图像单独离线分析，分析的结果形成报告，以备后查，同时加入控制接口，可以通过网络或串口控制机器人的爬行动作，其云台控制程序实现对摄像头的转动方向的控制，以获得更具有针对性的管道图像局部特征。