随着中国高铁事业的快速发展,铁路轨道检测作为保障列车安全平稳运行的重要基础显得愈加重要。近年来,图像处理技术发展迅速并逐渐用于铁路轨道的自动化检测。扣件是将钢轨固定在轨枕的关键零件,若发生丢失或断裂会导致列车运行时发生严重的安全事故,因此针对扣件的检测算法研究具有极其重要的意义。可变形部件模型是一种基于部件的目标检测模型,广泛应用于目标识别领域,本文以可变形部件模型为基础对高铁扣件进行检测,主要内容如下:(一)为了实现高铁缺陷扣件的准确、快速和自动化检测,提出一种结合特征相似度和部件模型的扣件检测算法。首先,针对高铁扣件利用隐藏变量SVM进行训练,得到扣件部件模型和各部件的权重;其次,根据扣件特点确定合理的模型金字塔层数,并对扣件部件模型作掩膜操作去除部分背景区域;然后,计算非掩膜区域HOG特征向量,根据该特征向量和部件权重进行扣件的准确定位;最后,由于每张图像中有多个扣件,通过计算相邻扣件的距离信息和特征相似度作为缺陷扣件存在的快速判断准则,确定该图像中是否存在缺陷扣件。理论分析和实验结果表明,本文算法具有较低的误检率和漏检率,检测精度高,检测速度快,对于外部光照变化具有较好的鲁棒性,可满足高铁扣件自动化检测应用需求。(二)针对存在缺陷扣件的图像,为了精确识别缺陷扣件的类别,提出一种基于多阈值部件模型的扣件检测算法。首先,运用掩膜操作后的扣件部件模型计算多个阈值,得到轨道板、丢失扣件、可疑扣件、正常扣件的阈值区间;然后,对于存在缺陷扣件的图像,用阈值区间作为扣件检测评价标准,检出图像中扣件的状态;最后,针对检出的可疑扣件,计算其与正常扣件的特征相似度确定可疑扣件的状态(丢失、断裂、正常)。理论分析和实验结果表明,本文算法能够精确的识别出缺陷扣件的类别,相比与其他主流扣件检测算法误检率和漏检率较低,且对光照具有较好的鲁棒性。