张小伟，包腾飞，高兴和

(1.河海大学水利水电学院，江苏 南京 210098；2.河海大学水文水资源与水利工程科学国家重点实验室，江苏 南京 210098；3.江苏省太湖水利规划设计研究院有限公司，江苏 南京 210098)

在混凝土坝的运行期间，由于坝体需要承受很大的水压、温度荷载，以及受到水的冲刷、渗透、侵蚀等原因，导致大坝不可避免地产生裂缝[1]。裂缝的产生会降低大坝结构的承载能力以及坝体耐久性[2-3]，最终可能导致大坝因结构破坏而失事，因此快速而准确地发现混凝土表面裂缝是混凝土坝安全监测中的一项重要任务。目前，常用的裂缝检查方法仍是人工检测法，即由检查人员用肉眼来检查，这种检测方式不仅费时费力，并且在特高坝高程较高的地方，其检测的危险性大。

随着计算机视觉技术的发展，以及无人机的广泛运用，裂缝的检测具有一种全新的思路和方法。通过远程操控无人机来获取裂缝照片，然后结合图像识别分割算法，就可以自动识别并分割裂缝图片，进一步自动提取出裂缝特征数据，从而为坝面后期的风险评价提供有力的支持。但是由于光照条件、混凝土表面污渍、混凝土气泡、阴影等原因，通过无人机拍照得到的裂缝图片往往存在大量的噪声污染，传统的图像分割算法已不能满足工程要求。为此，许多学者提出了去噪优化算法，如Fan等[4]通过局部聚类保留存在裂缝的局部区域，同时去除存在噪声的局部区域，再通过全局聚类计算分割阈值，虽然聚类算法计算速度快，适应性较强，但随机性强，可能导致局部裂缝区域丢失；……