在我国交通运输建设过程中,公路桥梁是重要的组成部分。现阶段,我国每年步入维修期的公路桥梁数目在逐步增加,对桥梁安全检测特别是桥梁裂缝检测的需求已经上升到了一个新的高度。传统的人工检测方法不仅工作危险性大、作业成本高,而且工作效率低、检测结果可靠性低。因此,有必要提出新的可视化裂缝检测方法完成桥梁健康评估。本文工作基于一款自主研发的可实时获取桥梁壁面图像的仿生足式攀爬机器人,提出了用于桥梁结构裂缝检测的图像处理算法,并运用基于机器学习的方法完成对裂缝的分类。具体包含了以下几个方面工作：1)图像去运动模糊。实际工作过程中,爬壁机器人与桥梁裂缝之间有相对运动,摄像头拍摄到的裂缝图片含有运动模糊。本文在实验比较了维纳滤波、约束最小二乘方滤波、逆滤波这三种不同图像复原方法后,使用维纳滤波对裂缝图片进行复原。2)裂缝图像检测。本文提出了一种提取图片中裂缝目标的图像处理算法,首先对复原后的裂缝图片进行小波粗分割,然后用图像形态学分析方法去除图像中噪声块,初步分割出裂缝目标。3)裂缝连接。上述裂缝检测方法会破坏裂缝连接性,为了使得裂缝更加完整、连续,本文提出了一种基于KD树思想的裂缝连接方法将断开的裂缝连接起来。首先计算每段裂缝的最小外接凸多边形找出裂缝端点；然后判断不同裂缝段端点之间的像素距离是否小于设定的阈值,如果小于则连接两个端点；最后根据灰度特征将连线之间的裂缝连通域进行填充,分割出完整裂缝。结果表明,本文提出的裂缝连接方法效果显著。4)裂缝分类。不同类型的裂缝对桥梁的危害不同,因此在分割出完整裂缝目标后,有必要对裂缝进行分类。本文提出了一种基于支持向量机决策树的学习型方法用于裂缝分类。首先提取6类裂缝特征；其次根据训练样本训练出所需SVM决策树分类器；最后将训练好的分类器对验证样本集进行分类。结果表明,本文提出的分类方法分类精度较高。目前,使用数字图像处理技术对混凝土结构桥梁的裂缝进行检测的研究得到了广泛的关注和支持。本文研究的可视化检测诊断方法不仅可以大大解放劳动力,降低检测成本和维护成本,而且也能够有效排除人为因素的主观干扰,具有很高的实用价值和应用前景。