现代铁路行业的高速发展面临着列车不断增长的行驶速度、运营里程、载重负荷的困难与挑战,增加了轨道基础设施的安全隐患。钢轨是轨道基础设施的重要组成部分,受高密度的运营、高负荷的载重以及外界自然环境的作用,表面会产生一定的磨蚀损伤,影响列车行驶的舒适度和安全性。及时检测出轨道表面缺陷,向有关部门和单位提供可靠的、真实的数据,实时对轨道的健康状态进行检测和维护,保障钢轨的可靠性、安全性和使用寿命,具有十分重要的现实意义。本文对钢轨表面缺陷图像分割关键技术研究进行了一定的研究,主要贡献有以下内容:在轨道表面图像预处理中,采用双边滤波对轨道表面图像进行去噪,较好的保护了轨道图像的边缘细节信息,为轨道表面区域提取、缺陷分割、检测、识别和分类等后续工作奠定了良好的基础,具有一定的实用价值。提出了一种基于HSV色彩空间S分量的轨面区域提取方法。实际采集的轨道图像不仅包含轨道表面区域,还包含轨枕、扣件、碎石等干扰区域,为降低轨面缺陷检测难度,缩短轨面缺陷检测的时间,需要精准快速提取轨面区域。传统的轨面区域提取方法不同程度存在需要预先给定轨面宽度、且容易受到光照不均等干扰。在RGB空间图像中,轨道图像灰度值分布规律性不强,难以克服光照不均等干扰。针对上述问题,利用HSV空间图像中S分量图像具有对光照干扰不敏感、抗光照不均能力较强的特点,首先将RGB轨道图像转化为HSV色彩空间图像,将S空间分量图像单独提取出来,以此克服光照条件及噪声变化对钢轨表面区域提取带来的干扰;同时采用改进的线性函数对S空间分量图像进行增强,有效增强不同区域之间的差异;最后通过绘制灰度投影曲线,搜索列曲线左右两侧的最大值和次大值,确定轨面区域左右边界,完成轨面区域的提取。提出一种基于改进PSO 2D-Otsu轨面缺陷分割算法。针对二维最大类间方差阈值方法（2D-Otsu）收敛速度慢、寻优精度低和易陷入局部最优等缺点,将二维Otsu法的类间方差的倒数值设定为粒子的适应度函数,利用混沌映射增强粒子种群初始分布的随机性和均匀性,引入平均最优适应度值和自适应调整惯性权重共同实现粒子个体位置的更新,避免算法早熟收敛。构建变异率,结合Cauchy变异算子,增加种群多样性,帮助算法跳出局部最优。仿真实验表明,新算法具有更好的全局优化能力、收敛性和寻优精度,分割轨道表面缺陷图像效果较为理想。