跨座式单轨交通是一种重要的城市交通方式。预应力混凝土轨道梁是跨座式单轨交通承载列车的运行轨道,其健康状态直接影响着列车的运行安全。轨道梁表面裂纹是轨道梁在运营过程中难免会出现的缺陷,因此轨道梁面裂纹检测是轨道梁日常维护非常重要的前提工作。于是本文在课题组开发的轨道梁采集系统的基础上开展了基于曲面几何和聚类分析的裂纹识别方法研究。为了区分采集系统采集的图像数据中包含指形板的数据,我们可通过边缘检测方法检测出图像边缘信息,然后根据边缘信息区分这一类数据。系统采集的轨道梁图像尺寸非常大,利用图像分块组合方案可将大图的检测转换为小图的裂纹检测。首先,可以将裂纹图像视为一个曲面,在曲面中,裂纹部分表现为一条峡谷。通过引用曲面几何方法,裂纹图像的识别问题将转换成曲面形状识别问题。从曲面中四个方向计算出的测地距离图反映了曲面的几何特征,为了量化这种特征我们从测地距离图抽样得到距离差值矩阵,根据差值矩阵计算形状描述子来定量描述曲面形状,进而判断图像是否为裂纹图像。然后,利用模糊C均值(Fuzzy c-means,FCM)聚类算法对裂纹图像进行分割。针对传统的FCM算法对裂纹图像的灰度值进行聚类,忽略像素点之间的空间位置关系问题,采用了基于距离修正的FCM聚类算法。该算法考虑了空间位置信息对聚类的影响,从而提高了图像分割的鲁棒性,不过分割结果中还是存在着噪声和伪裂纹。根据裂纹本身的空间特性,构造了裂纹狭长度和裂纹区域向量来去除大部分噪声和伪裂纹。最后,利用基于密度聚类的DBSCAN(Density-Based Spatial Clustering of Application with Noise)算法对分割后的裂纹图像进行裂纹提取。DBSCAN算法在空间上对像素点进行基于点密度的聚类,该算法能聚类任意形状的簇,并且可以聚类断开的裂纹区域。实验结果表明,本文检测方法可以为轨道梁面维护工作提供可靠的参考。