河道护岸损伤检测对于城市河道护岸管理与维护具有重要意义。然而,目前大部分河道护岸损伤检测工作仍依赖于人工目视巡检,导致护岸管理成本高、周期长、效率低。与现场目测不同,无人机低空摄影可完全扫描护岸表面,无需进行人工现场目视巡检。因此,本文围绕无人机航拍河道影像的损伤特征自动识别方法展开研究,将低空无人机摄影测量技术应用于护岸检测工作,提高护岸损伤检测效率,实现人工识别向自动识别的转变,为护岸管理工作提供数字化、智能化的技术支持。本文根据城市河道护岸管理要求,分析了国内外应用无人机低空摄影测量在城市管理与目标检测方面的研究现状,分析了目前常用的技术方法,发现有两方面有待提高,一是生成更高质量的河道护岸密集点云,二是对损伤特征进行精确识别与检测。主要研究内容如下:（1）为生成更高质量的密集点云,本文研究了结合尺度不变特征变换（SIFT）与Harris算子的Sub-Harris算法来进行特征提取匹配算法;通过区域生长与半全局匹配（semi-global matching,SGM）相结合的匹配算法,逐像素生成密集点云,准确恢复护岸的几何形状与精细表面。逐像素密集点云匹配不仅可以恢复护岸的精细表面,还可通过扩大损伤区域与未损伤区域的间距,显著提高护岸损伤识别的精度。（2）通过计算生成的密集点云坡度,生成坡度强度图;使用经过改进的六维简单线性迭代聚类算法（6D-SLIC）从坡度强度图中自动提取护岸区域;通过采用一种自适应多尺度梯度算子（the multiscale architecture in the proposed,SMGO）,准确识别护岸边坡强度影像中不同尺寸的损伤区域。（3）通过使用消费级无人机低空采集南昌市某河道的护岸边坡影像,使用本文研究方法对其进行了自动化损伤识别性能评价。结果表明,该方法能较为快速、准确、高效的识别护岸的损伤特征,可作为城市河道护岸损伤识别的一种有效方法。本研究实现了城市河道护岸检测的自动化流程,实现了数字化分析、智能化处理的目标,降低了检测成本,具有周期短、效率高的特点。在检测护岸健康程度、实现河湖功能永久性利用、优化水处理系统,对维护河湖安全具有良好的应用前景。