水利水电工程是关系到国计民生的重要工程，作为其主要设施之一的大坝,在发电、防洪、灌溉和航运等方面起着巨大作用。目前在役大坝主要为混凝土坝，其在服役期间由于水的冲刷、结构沉降与应力释放等原因会出现不同程度的裂缝，若不能被及时发现，裂缝扩展可能会导致灾难性的后果。本文主要研究利用图像处理技术对混凝土坝水下表面裂缝进行检测,达到大坝裂缝预判的目的,并为进一步的定位探测提供引导和依据,降低人工裂缝探测的盲目性,提高了预警系数。　　由于水下图像具有低对比度和成像质量差的特点,欲从水下图像中准确获得混凝土坝水下表面裂缝信息,需要开发满足水下环境的图像去噪-增强-分割-裂缝识别算法。针对以上问题,本论文的主要工作和取得的成果如下:　　(一)开发了一种开关自适应加权滤波算法。该算法首先进行噪声检测,然后计算噪声密度。对于低密度噪声采用均值滤波法,而高密度噪声采用加权迭代法。与常用算法相比,该算法不仅对低密度噪声有很好的去噪能力,而且对噪声密度高达90％时的水下图像仍然有优于其他算法的去噪效果,PSNR(峰值信噪比)比其他算法高出10 dB左右,表明本文算法具有更好的去噪和保护图像细节的能力。　　(二)改进了一种巴特沃兹同态滤波增强算法。该算法首先利用去背景法获得照明均匀的前景图像,然后对传统的巴特沃兹同态滤波器进行改进。实验结果表明,与灰度变换法、直方图增强法和同态滤波增强算法相比,本文算法能有效地提高图像对比度。　　(三)开发了一种多结构多尺度形态学边缘检测方法。该算法首先构造6个具有代表性的结构元素并对其进行多尺度膨胀,然后利用膨胀后的结构元素进行边缘检测,最后根据边缘信息熵,通过加权得到裂缝边缘。实验结果表明,该算法与边缘检测法,阈值分割法和传统形态学分割方法相比,其检测的边缘信息更多且更连续。　　(四)提出了一种裂缝识别方法。该方法首先构建一个三层的BP神经网络,然后利用已知的裂缝和非裂缝特征信息对神经网络进行训练,利用训练好的模型对裂缝进行初步判别,然后利用裂缝二次判别算法进一步识别。实验结果表明,该方法裂缝识别率可以达到98.3％,裂缝识别效果比较好。