随着经济的发展，观念的更新，标准的提高，人们对混凝土工程外观质量要求愈来愈高，很多工程已经将混凝土外观质量作为质量评定的重要指标之一。对混凝土外观质量的评价方法有着新的更高的要求，而目前国内对于混凝土外观质量的测评主要依然是延续采用人工检测评分的方法，因此对评定方法进行新的尝试性研究，为外观质量评定提供便捷、可靠的方法已显得非常重要。 本论文以混凝土表观缺陷为对象，研究用图像处理和模式识别技术来实现表观缺陷的检测和识别，重点在混凝土外观缺陷图像的特征提取和设计有效、可靠的分类器，实现缺陷的准确分类和评价。 本论文针对混凝土外表缺陷的特点，对不同缺陷的识别和评价采用不同的方法。对于外表缺陷中的锈迹的识别和评价是在RGB图像的条件下提取特征参数；表面蜂窝、麻面、孔洞的识别则是在灰度图像的条件下提取特征参数；对于表面蜂窝、麻面、孔洞的表观缺陷的程度的评价则是在图像二值化后进行。在提取特征参数部分，结合本文的研究对象的数字图像特点，分析比较了主分量分析(PCA)、MATPCA、Fisher线性判别分析(LDA)及基于熵的方法和神经网络法的特点，利用MATPCA方法实现用于缺陷分类的特征提取。本文采用神经网络技术实现了表观缺陷的识别，深入的研究了BP网络的分类器的设计，提出两种三层BP拓扑结构方案，该网络对混凝土外表缺陷的识别良好。对于外表缺陷程度的评价，针对不同缺陷的特点采用不同的图像阀值分割方法。对二值图像进行了预定义的形态运算后提取缺陷程度评价参数，并依据专家评价给出了相应域值。 本文所提出基于图像识别技术的混凝土外观质量的评定方法，在一定程度上实现了对混凝土外表缺陷进行数据化、流程化、系统化及标准化的处理和识别，可用于实际工程中混凝土的外表缺陷的测评。在文章的最后对后续工作进行展望，提出了自己的观点。