高速铁路隧道衬砌结构病害的快速自动化检测和快速维修技术是高速铁路运营安全不可或缺的技术保障,是隧道工程科技发展的重大方向之一。本文对自动化检测系统中的图像处理进行了论述,针对裂缝图像的骨架提取、拐点识别、特征提取和图像匹配等方面展开研究,主要的研究工作和成果如下:1.本文对图像处理系统的组成和图像预处理流程进行了梳理,对图像去噪技术和阈值分割的各算法进行了对比,分别选定了自适应中值滤波去噪法和Sobel-4方向的Otsu改进阈值分割算法作为图像预处理算法,保证了采集后的裂缝图像转化为二值图像。2.在骨架提取阶段,利用形态学运算单独提取裂缝图像并对空洞进行填充。针对裂缝的特性,提出新的裂缝骨架提取办法。首先利用拓扑细化法进行初步识别,再提出一种新的自适应追踪毛刺剔除算法,通过目标点8连通区域内黑色像素点的数量和分布情况自动判定端点和交叉点,利用追踪算法记录骨架毛刺坐标,设置长度阈值进行毛刺剔除。对多组图像进行试验,试验结果表明:该算法骨架毛刺剔除效果好,剔除率达到100%;计算速度快,平均处理时间小于1s。3.在拐点识别阶段,提出了一种新的链码式拐点识别算法。首先利用改进后的Freeman链码将裂缝信息转化为链码序列,通过区域长度l内的链码均值表示部分裂缝走向,计算前后链码均值差的绝对值,大致确定可疑拐点位置。之后对伪拐点和多余拐点进行剔除,分别剔除真实拐点附近的伪拐点、相邻距离较近和拐角较大的多余拐点。对不同情况下的裂缝图像进行试验,试验结果表明:该算法识别效果好,识别出的拐点连成的折线与裂缝基本重合;提出的区域长度l的最佳取值范围具有一定的代表性。4.在特征选取阶段,选取拐角和拐点距离比作为裂缝的特征值。引入离散系数,以特征值为主,拐点距离为辅,分别赋予不同的影响系数,确定最终的离散系数公式。针对不同参数取值导致的特征值容量不同的情况,利用循环遍历的方式进行分步匹配,再通过间隔情况下的特征值数据进行二次验证。对“父裂缝”和“子裂缝”图像进行匹配,试验结果表明:匹配算法准确率高,相同拐点的匹配成功率达到75%;拐角和拐点距离比值作为裂缝的特征值,在裂缝发生延展的情况下仍能准确描述裂缝特征。5.全程利用MATLAB软件对各算法进行编写,实现了图像处理全流程的自动化处理、记录和储存。处理速度快,每幅图像全流程平均用时不超过1.5s。