现今时代,混凝土的建筑设施对人们的生活影响较大,包括道路、桥梁、房屋、隧道、水库、大坝等等。但混凝土建筑由于循环荷载、疲劳累积损伤以及气候、天灾等原因变得脆弱甚至破损,而混凝土的裂缝是土木结构退化一个非常重要的警钟。因此,监测混凝土裂缝成为当下非常重要的工作。传统的混凝土裂缝检测方式主要包括人工检测、超声波检测方式。但这两种方法,人工检测法需耗费大量人力,以及环境等因素的限制而导致几乎无法执行检测;超声波检测设备相对昂贵。因而,将计算机视觉技术运用到混凝土裂缝检测是必不可少的。图像分割是大部分计算机视觉处理的首要工作。因此,计算机图像分割算法日益得到研究者的重视。图像分割的目的是希望将图像中具有特殊意义的不同区域划分开,使得图像被简化。在后续进行图像识别时可以去除一些不必要的检测细节,通过大致轮廓就可以对图像进行特征提取。图像分割有很多种,其中边缘检测就是图像分割中的一种,主要通过对图像边缘进行检测,以达到图像区域化的目的。相比其它图像分割方法,边缘检测不仅可以提取子区域的外边缘,而且可以提取子区域的内边缘（例如,纹理或者纹路等）。结合图像分割算法,本文提出一种基于进化算法与梯度双阈值Otsu的边缘检测算法（Edge Detection Algorithm Based on Evolutionary Algorithm and Gradient Double Threshold Otsu,EAGDT）,并将其应用于混凝土裂缝的检测及识别。本论文的工作内容及重点如下:（1）使用Wiener滤波与高斯滤波相结合的去噪方法,以提升EAGDT边缘检测算法的抗噪性;采用基于二维伽马函数的光照不均匀图像自适应校正算法（Adaptive Adjustment Algorithm for Non-Uniform Illumination Images Based on 2D Gamma Function,2DGF）,以减少图像的光照和阴影部分对EAGDT边缘检测效果的影响。（2）提出基于梯度幅值及类间方差的最佳双阈值算法并用于EAGDT边缘检测算法的阈值选择。首先,计算整体图像梯度幅值类间方差,用于选取高阈值;然后,再对小于高阈值的梯度幅值计算类间方差,用于选取低阈值;找出两次类间方差和的最大值所对应的高、低阈值。最后,将高、低阈值用于EAGDT边缘检测算法。（3）提出一种基于交叉概率、变异概率、变异搜索范围三个参数自适应调整的改进进化算法（Improved Adaptive Evolutionary Algorithm,IAEA）,以进行基于梯度幅值及类间方差的最佳双阈值求解。改进后的算法较传统进化算法可缩短迭代时间,快速收敛到全局最优解。（4）将EAGDT边缘检测算法用于混凝土裂缝检测。对裂缝图像进行边缘提取,将边缘特征突显出来,为识别分类做准备。再采用HOG对EAGDT所得到的边缘图像进行特征提取,接着采用GLCM对灰度图像进行特征提取,最后将提取后的特征用于训练SVM分类器。该分类器可用于识别混凝土图像中是否存在裂缝。实验结果表明,EAGDT能够在获得更多边缘信息的同时抑制噪声。本论文算法获得的边缘图像,具有较好的边缘检测连续性强,边缘定位准确,可检测到图像的边缘细节,抗噪性以及鲁棒性强的优点。在混凝土裂缝检测中可达到较高的识别准确率。