近年来,城市轨道交通以其车速快、行车密度大、客流量大等特点成为解决交通拥堵的重要措施之一,它的飞速发展给人们出行带来了极大的便利。但与此同时,大量城市轨道交通的土建设施由建设期转入养护期,给线路安全检测带来了巨大的挑战。在各种安全检测中,隧道裂缝的检测一直是一个技术难点。目前我国的隧道裂缝检测仍以人工判读和记录为主,这种方法费时、费力,而且主观性强,不利于客观地对隧道结构安全进行评估。基于图像处理的裂缝检测方法能够弥补传统检测方法的不足,高效准确地获取裂缝数据并节约人工成本,是一种理想的裂缝自动检测技术。本文的工作主要包括以下几个方面：(1)深入研究了裂缝图像处理的基本方法,对图像预处理(灰度校正、平滑滤波、锐化)、图像分割及特征提取几个关键步骤中的常用算法进行总结,分析了各个算法的适用性和不足,对裂缝识别的过程有了深刻的认识。(2)详细分析了隧道裂缝图像的特点,针对这些特点对二维最大类间方差快速迭代算法进行改进,采用局部阈值代替原来的全局阈值,并增加了修正因子△以及阈值ω。改进后的算法能够消除背景灰度不均带来的影响,并较为准确地将细小的隧道裂缝分离出来。采用该算法能够检测的最细裂缝宽度为0.23mmm。(3)对裂缝检测过程中每个步骤用到的相关算法进行详细分析并用Matlab仿真,比较处理结果后选取合适的算法,最终提出一种基于图像处理的隧道裂缝自动检测方法。通过对多张隧道图片进行检测,验证了该方法准确率高、漏检率低,可以高效、准确地检测出隧道图像中的裂缝并对其长宽、走势等特征进行提取,满足实际应用的要求。(4)设计并用JAVA实现地铁隧道裂缝监测平台。数据处理模块采用本文提出的隧道裂缝检测方法对裂缝信息进行提取,然后将其导入数据库中；数据管理模块实现对裂缝信息的增删改查,依据设定的阈值对裂缝进行安全等级分类,并能与历史数据对比判断病害发展趋势,实现及时预警。本文最后对实现的地铁隧道裂缝监测系统进行测试,其不仅能够高效准确地获取隧道衬砌裂缝数据,而且能够实现对这些数据的智能化管理,符合轨道交通安全检测的要求。