桥梁作为道路、公路、铁路等交通系统的枢纽，其健康状况关系到了亿万群众的生命安全。桥梁的裂缝检测是桥梁安全检查工作中的重点内容之一。传统的桥梁裂缝检测或识别技术均难以实现准确又全面的裂缝探测，因此，基于计算机视觉的桥梁裂缝智能识别算法的研究和系统的开发成为了一大热点。由于桥梁的表面存在着各种纹理和噪声的干扰，以及拍摄环境的限制，具有普遍适应性的裂缝检测算法成为了研究的重点和难点。而且，为了克服传统检测方法阻碍桥上交通或者近距离拍摄困难的缺点，本文提出了使用六足爬墙机器人在桥壁和桥底上吸附攀爬的方案，来实现桥梁连续的图像采集。本文主要的研究内容和工作成果具体如下：1.在裂缝图像的预处理方面，介绍了常用的图像增强方法，包括灰度拉伸方法和直方图均衡化方法，在试验其效果后指出了这些方法的弊端否定了其通用性。再验证了中值滤波在本文图像中平滑滤波的效果。然后提出了频域滤波和空间滤波结合的方法来对图像进行降噪滤波，重点讨论的是傅利叶变换滤波增强的参数选择。2.在桥梁裂缝的特征提取中，介绍二维离散小波变换在图像细节分析中的应用，研究了小波基的选择依据，并提出在小波分解系数上进行Radon变换提取Radon域的特征，结合其它小波特征对裂缝的存在进行判别，在相关的实验数据中验证了这些特征的有效性。3.应用人工神经网络的模式识别算法对本文提出的特征进行整体有效性和准确性的验证，给出了实验数据，用以分析神经网络的参数设置和最佳的准确率。4.总体上阐述了多足爬墙机器人平台的软硬件和控制系统的架构设计，简要地介绍了一种直线爬行步态，并以这种步态为基础讨论了图像采集的控制方法。