随着国家基础设施建设的快速发展,混凝土桥梁建设呈现井喷现象,桥梁结构也更加复杂。由于高强度的使用,桥梁设施养护工作成为越来越重要的一个环节,如何快速高效的发现桥梁病害,然后针对不同类型的病害制定对应的修复策略,进而进行桥梁养护成为桥梁维护部门面临的一大难题。传统的基于人工视觉检测病害的方法已经远远不能满足巨大工作量的需要,而且也十分耗损物力财力。所以,采用数字可视化的病害检测方法来完成对桥梁受损程度的评估是一个新的发展趋势。鉴于桥梁病害图像的复杂化和多样化,数字图像处理方法仍然是一个研究难点。本文主要是在获取桥梁病害图像后,对图像进行处理,从而将病害类型进行分类识别,研究内容如下:(1)首先将采集到的病害图像进行预处理,包括采用加权平均法进行灰度化、采用灰度直方图技术进行灰度修正和对修正后的图像采用中值滤波方法进行去噪平滑等操作,通过这些预处理方法可以较好的突显出图像中的病害信息。(2)获得预处理的图像后对图像进行分割。分析常用的几种分割方法,并在分割得不到理想结果的情况下提出一种基于自适应获取阈值的分割算法,分割效果有明显改善,能够比较完整地分割出病害目标。(3)对分割后的图像目标进行特征提取。针对病害的纹理特征,采用灰度共生矩阵方法可以很好地获取病害的能量、熵、惯性矩、相关性等纹理特征信息。(4)介绍几种常用的分类识别方法,综合比较后引出支持向量机方法(SVM)。对SVM方法的线性可分和线性不可分情况进行了细致推导,由此引出解决非线性可分样本问题的三种核函数。最后使用包含三种核函数的Lib SVM软件包结合“一对一”多分类决策可以较好的将特征库中的数据信息进行分类识别。通过以上的分类识别方法,在MATLAB仿真平台上进行实验,结果表明基于径向基核函数的SVM方法可以得到良好的分类识别效果,能够比较准确地识别桥梁病害信息。