公路隧道在交通运输中起着重要的作用,而隧道的病害严重影响着行车和生命安全。其中,裂缝就是隧道病害的一种,有效的检测隧道表面裂缝对于隧道的安全是至关重要的。隧道表面不同于一般的混凝土路面和建筑,普遍的存在着光照强度差,对比度低,背景纹理复杂,噪声多的情况。本课题以公路隧道裂缝作为研究背景,设计了一种适用于隧道环境的裂缝检测系统。提出了一种将灰色理论与自适应相结合的检测算法,有效的解决了隧道裂缝表面存在的问题,并给予实例对裂缝破损程度评价及宽度预测。课题研究的主要内容如下:1)深入分析隧道裂缝所处的特殊环境,对比传统检测算法在裂缝检测上的优缺点,采用了适用于隧道环境下的图像处理方法,包括灰色关联度的滤波算法,GM(1,1)模型边缘检测方法,改进的将阈值进行分割的自适应算法以及形态学处理方法。2)为了能够获取裂缝特征信息及裂缝概貌,在裂缝检测识别的基础上研究了裂缝图像的细化方法、分支及毛刺的滤除算法以及边缘连接处理方法,并通过实验仿真进行分析。3)总结影响裂缝产生的内外因素,重点研究了影响裂缝产生的最大因素-材料,利用灰色预测及神经网络结合的方法预测短期内裂缝宽度,并利用灰色关联度的调整来控制裂缝的产生,并把某地库环境下的裂缝作为实例进行了预测。4)针对隧道裂缝的特点,设计了一套以DSP为采集控制器,CMOS模块为采集模块,移动支架以及含有裂缝的混凝土模块等组成的模拟隧道环境下的裂缝图像采集系统,重点分析了图像的标定技术。在Visual DSP++软件平台的基础上实现裂缝图像的采集。5)结合本文采用的裂缝图像处理算法,在基于MALAB开发环境下开发了适合于隧道裂缝的仿真软件。实现了公路隧道裂缝的检测识别和破损程度评估。