我国自建国以来,尤其是改革开放以来,交通建设取得跨越式发展。随着公路铁路里程的不断增加,桥梁的数量也在增加,桥梁的建设工作在进行的同时,桥梁的养护维修工作也逐渐成为交通行业的重要内容。桥梁养护工作首先需要对桥梁病害进行检测。目前桥梁检测工作主要还是靠人工检测,耗费大量人力物力,且有较大的危险性和局限性。随着相关行业的发展,桥梁检测工作也可以引入一些新的技术和工具。目前无人机拍摄技术已经较为成熟,无人机可以到达检测人员难以到达的高塔或高墩结构处,拍摄较为清晰的图像,如果能从图像中识别病害,将为桥梁检测工作提供一种全新的思路,有利于解决人工检测所面临的局限性问题。本文主要研究对无人机拍摄的图像进行拼接和处理的技术,以便获得桥梁表观的全景图,并能自动识别病害。首先对无人机采集到的大量图像进行拼接。对于桥梁这种大型建筑物来说,一般难以将全部表观信息清晰地拍摄在一张图像上,因此有必要研究从多幅图像拼接成一幅全景图,方便专业人员掌握桥梁表观信息,对桥梁健康状况做出评价。其次研究从图像中提取病害区域。病害在图像中表现出一定的特征,需要经过一些图像处理过程,将实际的病害区域提取出来,便于进一步测量分析等工作。接下来,要对提取出的病害区域分类。桥梁病害种类众多,表现不一,从图像处理中得到的病害区域的特征作为应用于机器学习算法的输入,经运算后,可以区分出病害的类型,这样在有大量图像时,省去了人工分类的工作,提高了自动化程度。最后,将以上步骤综合形成一套较完整的系统,并进行了相关实例验证。本文学习借鉴了前人的一些研究,综合比较了各种算法的优劣,讨论了各种算法的适用范围,综合权衡效果和效率,选择最合适的算法,形成了较为实用的软件,可以期待较为广阔的前景。