1.一种桥梁裂缝检测方法，其特征在于：步骤1、逐张采集被检测桥面的图像，得到桥面图像集合；

步骤2、图像拼接

2-1.拼接图像预处理

提取并统计桥面图像集合中各桥面图像的亮度分量信息，并分别对各桥面图像的亮度分量信息进行均衡化；然后通过傅里叶变换将各桥面图像变换到频域内，并采用相位相关算法中的归一化互功率谱的相位信息得到图像间的平移参数，完成对相邻图像间重叠区域的预估算；

2-2.图像配准

首先，在各相邻图像间重叠区域内提取SIFT特征点；然后通过自适应对比度阈值法筛选SIFT特征点，得到由匹配点对组成的特征描述符；并采用RANSAC算法计算各相邻图像间的投影变换矩阵；

2-3.图像融合

首先根据相邻图像间的投影变换矩阵，对相应桥面图像进行投影变换；然后采用渐入渐出融合算法对各相邻桥面图像的RGB三颜色通道分别进行加权平滑过渡，得到桥面拼接图像；

步骤3、裂缝检测

3-1.通过裂缝检测预处理进行裂缝区域的初始定位和灰度化；

对桥面拼接图像进行灰度化处理；通过均匀网格划分将桥面拼接图像划分为多个局部区域；统计各局部区域内的灰度累计值，得到所有网格区域的灰度分布并提取桥面图像平均灰度值作为灰度阈值；筛选出灰度累计值低于灰度阈值的网格区域作为感兴趣区域；

3-2.对各感兴趣区域进行中值滤波去噪和基于模糊集的图像增强处理，得到多张待分割的裂缝灰度图像；

3-3.通过PCNN简化模型对各待分割的裂缝图像进行二值分割，得到裂缝分割图像；

3-4.对裂缝分割图像进行残余孤立噪声的去除，得到裂缝二值图；

步骤4、裂缝参数提取

4-1.对步骤3所得的裂缝二值图进行基于种子点生长的裂缝特征连接；

4-2.基于投影法的目标裂缝分类识别，具体如下：

先对经过步骤4-1处理后的裂缝二值图进行取反操作；采用投影法对裂缝二值图分别进行水平和竖直方向的投影，对各行、列像素值分别累加求和，得到行投影数组和列投影数组；

根据裂缝二值图中裂缝的实际尺寸特征，计算裂缝二值图中裂缝部分的长宽比 Δx为裂缝二值图中裂缝部分的水平投影长度，Δy为裂缝二值图中裂缝部分的竖直投影长度；

若 则判定裂缝二值图中的裂缝为横向裂缝；若 则判定裂缝二值图中的裂缝为纵向裂缝；若 且行投影数组和列投影数组内所有元素均大于10，则判定裂缝二值图中的裂缝为网状裂缝；否则，判定裂缝二值图中的裂缝为斜向裂缝；

4-3.桥面裂缝特征数据的提取，以得到实际桥梁裂缝的长度、宽度和面积信息；

(1)在裂缝二值图中的裂缝上提取裂缝骨架线；

统计裂缝二值图中的数值为1的像素点个数作为裂缝像素面积；根据裂缝二值图上的裂缝图像，提取裂缝骨架线；以裂缝骨架线上像素点的数量作为裂缝像素长度；

计算桥梁裂缝宽度的方法如下：

(1)设定一个5×5的检索模板，并对裂缝骨架线上的所有裂缝像素点进行扫略，取该检索模板内距离最远的两个裂缝像素点，两个裂缝像素点的连接线作为模板内裂缝局部走向线；再做扫略后得到的各裂缝局部走向线的法线，求其法向角；

(2)根据裂缝骨架线上各裂缝像素点的法向角，求取各裂缝像素点在裂缝上对应的两侧边缘点(xij,yij)和(x′ij,y′ij)；裂缝像素点在裂缝上对应的两侧边缘点的欧氏距离作为该位置点上的裂缝像素宽度dij，即 所得各裂缝像素宽度dij中的最大值作为裂缝最大像素宽度；各裂缝宽度dij中的平均值作为裂缝平均像素宽度；

(3)将裂缝的各像素参数A'分别代入实际参数换算公式 中，得到裂缝的各实际参数A；其中，u为物距、f为焦距、k为换算系数，l为CCD感光芯片长边物理尺寸、L是拍摄图像长边像素点数；裂缝的像素参数包括裂缝像素长度、裂缝最大像素宽度、裂缝平均像素宽度和裂缝像素面积。

2.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤1中采集图像的方法具体如下：

1-1.采用张正友平面标定法计算CCD相机的内参矩阵后，通过最小二乘法得到径向畸变系数；

1-2.在桥梁检测平台上安置经过步骤1-1标定的CCD相机，根据预设的拍摄轨迹进行完整桥面的图像采集；预设的拍摄轨迹呈S形；

1-3.根据步骤1-1得到的CCD相机内参矩阵和畸变系数对步骤1-2采集到的各桥面图像分别进行图像校准。

3.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤2-2中，自适应对比度阈值法具体如下：(1)设定特征点数量下限Nmin＝200，上限Nmax＝300，对比度阈值Tc＝T0；T0为初始阈值，取值为0.02～0.04；

(2)进行特征点检测，并统计对比度高于Tc的特征点数量N；

(3)若Nmin≤N≤Nmax，则将对比度高于Tc的特征点纳入初始匹配点集，剔除对比度低于阈值Tc的特征点，并直接进入步骤(5)；否则，执行步骤(4)；

(4)若N＜Nmin，则将对比度阈值Tc减小为原数值的 并执行步骤(3)；若N＞Nmax，则将对比度阈值增大为原数值的2倍，并执行步骤(3)；

(5)通过最近邻比次近邻方法剔除初始匹配点集中的误特征点，并生成特征描述符；特征描述符内包含由成对的特征点组成的多个匹配点对，以及各匹配点对之间的距离和方向信息。

4.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤2-2中，RANSAC算法求解投影变换矩阵的流程如下：(1)用特征描述符内的各匹配点对构建初始样本集S；统计初始样本集S中各匹配点对间的欧式距离，并按从小到大排序；

(2)取步骤(1)所得序列的前85％的匹配点对构建新样本集S'；

(3)从新样本集S'中随机抽取4组匹配点对组成一个内点集合Si，并计算矩阵模型内点集合Si的Hi，进入步骤(4)；

(4)新样本集S'内其余各匹配点对针对该矩阵模型Hi进行适应性检验；若存在检验误差小于误差阈值的匹配点，则将检验误差小于阈值的匹配点对加入内点集合Si，并执行步骤(5)；否则，舍弃该矩阵模型Hi，重新执行(3)；

(5)若内点集合Si中元素个数大于规定阈值，则认为得到合理的参数模型，对更新后的内点集合Si重新计算矩阵模型Hi，并使用LM算法最小化代价函数；否则，舍弃该矩阵模型Hi，并重新执行步骤(3)；

(6)重复l次步骤(3)至(5)，l为最大迭代次数；之后，对比l次迭代中得到的内点集合Si，以元素个数最大的内点集合Si作为最终的内点集，并取其计算的矩阵模型Hi作为相邻桥面图像间的投影变换矩阵。

5.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤2-3中，投影变换的具体步骤如下：(1)根据相邻图像间的投影变换矩阵的传递性，以每行的第一张桥面图像分别作为对应行的基准图像进行拼接；对各相邻桥面图像间的变换矩阵Hii-1进行传递变换，得到各桥面图像与基准图像之间的传递变换矩阵Hi1；再通过各变换矩阵Hi1将对应的桥面图像分别映射到基准平面坐标系内，以完成水平方向上各相邻图像间的图像拼接融合，形成多张宽视角的横向全景图像Imagei；

(2)将步骤(1)中所得的第一张横向全景图像Image1作为基准全景图像进行拼接；对各横向全景图像间的变换矩阵Tjj-1进行传递变换，得到各横向全景图像Imagei与基准全景图像之间的传递变换矩阵Tj1；再通过各传递变换矩阵Tj1分别将对应的横向全景图像分别映射到基准平面坐标系内，以完成竖直方向上各相邻横向全景图像间的图像拼接融合，形成最终的桥面全景图像；

步骤2-3中，渐入渐出融合算法中，相邻图像重叠区域内各融合点像素值I(x,y)的渐入渐出加权公式如下：其中，I1(x,y)、I2(x,y)分别为相邻的两张桥面图像在重叠区域内的对应融合点的像素值；d1、d2分别为相邻的两张桥面图像在对应融合点的渐变权重因子； 和x1、x2分别为重叠区域两侧边界的横坐标；x为对应融合点的横坐标；t为两相邻图像重叠区域在对应融合点上的灰度差阈值。

6.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤3-2中中值滤波去噪的步骤如下：(1)遍历感兴趣区域中的各像素点，分别作为目标像素点fij，并各自执行步骤(2)至(4)；

(2)分别对目标像素点fij八邻域内所有像素点与目标像素点fij灰度值进行比较，并取其中灰度差值绝对值最小的2个邻域像素点 和(3)将 和 作为该目标像素点的邻近灰度扩展方向，并以这两个方向分别向八邻域外扩展一级，得到fp和fq两像素点；

(4)取目标像素点fij、八邻域内所有像素点、像素点fp和像素点fq的中值作为目标像素点fij的替换值。

7.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤3-3中，通过PCNN简化模型对各待分割的裂缝图像进行二值分割的具体方法如下：Step1：初始化PCNN模型参数

(1)输入待分割的裂缝图像的各归一化像素点(i,j)灰度值作为外部刺激信号Iij；

(2)设置衰减时间常数Δt＝0.2，最大信息熵值Hmax＝0，最大迭代次数n＝30和链接强度系数矩阵(3)通过二维Otsu法得到的最佳阈值，作为PCNN模型的初始阈值θij[0]；通过局部灰度方差法确定链接强度系数βij；

Step2：将1赋值k；

Step3：采用PCNN简化模型对待分割的裂缝图像进行分割迭代，得到二值分割图像Y(k)；计算PCNN简化模型内各神经元的内部激活Uij及脉冲输出Yij，并通过比较Uij与Yij大小判断各神经元激活状态；

Step4：计算二值分割图像Y(k)所对应的信息熵值H(k)，若H(k)＞Hmax，则将H(k)赋值给Hmax，并以二值分割图像Y(k)作为新的优选分割图像Y(s)；否则，直接进入step5；

Step5：若k＜n，则将k增大1后，重复执行步骤Step3和Step4；否则以当前的优选分割图像Y(s)作为裂缝分割图像输出。

8.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤3-4中，残余孤立噪声包括离散型噪点和集聚型噪斑；

离散型噪点的去除方法具体如下：

(1)对步骤3-3所得的裂缝分割图像中各个边缘所划分出来的连通区域进行标记；

(2)分别计算最佳裂缝分割图像中各个连通区域的像素面积；将像素面积小于面积阈值的连通区域剔除；面积阈值为20；

(3)采用直线段扫描检索：设定的线段模板长度为5个像素，分别从0°、45°、90°和135°四个方向对步骤(2)保留下来的连通区域的边界线进行扫描检测，并进行“与”操作；若一个连通区域的边界线在0°、45°、90°、135°方向上的直线段扫描检索返还值均为0，则将该连通区域剔除；

集聚型噪斑的去除方法具体如下：

(1)分别计算各连通区域的圆形度e(x,y)如下：

式中，C(x,y)、A(x,y)分别为对应连通区域的周长、面积；

若一个连通区域的圆形度e(x,y)高于圆形度阈值Te(x,y)，则将该连通区域剔除，Te(x,y)＝0.3；

(2)分别计算各连通区域的长宽比r(x,y)如下：

式中，L(x,y)和W(x,y)分别为对应连通区域在水平和竖直方向上投影矩阵长和宽；

设置Trl(x,y)为长宽比下限，取值为0.1；Trh(x,y)为长宽比上限，取值为10；若一个连通区域的长宽比r(x,y)满足以下不等式：Trl(x,y)＜r(x,y)＜Trh(x,y)，则将该连通区域剔除。

9.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤4-1中所述的裂缝连接方法如下：(1)将裂缝二值图中裂缝断开处位置信息映射到步骤3-2所得的裂缝灰度图像中；

(2)在裂缝断开处对应的两段裂缝的相对端分别选取起始种子点、引导种子点；

(3)起始种子点为第一个生长点进行生长；下一个生长点为上一个生长点八邻域内灰度值最小的像素点，直到生长出的生长点与引导种子点重合；

(4)将步骤(3)所得的各生长点从裂缝灰度图像中映射到裂缝二值图中。

10.根据权利要求1所述的一种桥梁裂缝检测方法，其特征在于：步骤4-3执行后，将所有裂缝二值图中的裂缝像素面积之和除以桥面全景图像的像素个数，得到面裂隙率。