近年来列车的速度不断提高,对钢轨的质量要求也在上升。钢轨是承担火车全部重量的关键设备,轻微的缺陷都有可能导致重大事故。为了最大限度减少铁路运输中的安全隐患,必须对钢轨进行检测,及时地发现钢轨缺陷。但目前钢轨表面缺陷检测仍以人工检测法为主。为此本文利用钢轨三维深度信息和钢轨表面彩色图像提出一种基于显著性的钢轨表面缺陷检测方法。从以下几个方面对此进行研究:（1）针对线阵相机成像过程复杂、标定困难等问题,提出一种简单灵活的线阵相机标定方法,使用一种含有定向编码信息的标定板,标定板设计为两个相互平行且高度不同的平面组成三维立体标定板,使用带有编码信息的圆环和矩形条纹作为标定板上的图案,期望可以从各个方向获得不同的编码信息,利用编码信息确定线阵相机和标定板之间的相对位置,然后基于交比不变性求解线阵相机初始内外参数,最后使用初始参数利用非线性优化方法获得最终的校准结果。对该线阵相机标定方法进行仿真实验和实测实验,并和现有线阵相机标定方法进行对比。（2）本文将钢轨表面缺陷检测问题转化成钢轨表面显著性检测问题,提出一种融合全局对比度以及局部约束线性编码的显著性检测算法,首先利用简单线性迭代聚类（SLIC）方法对图像进行多尺度超像素分割,在每个尺度下将RGB特征、CIE-Lab特征、LBP特征、HOG特征以及深度信息用于显著性计算,保证检测的全面性,避免漏检情况;然后使用秩-1约束进行多尺度显著性图融合得到全局显著图,最后融合基于局部约束线性编码的局部显著图和全局显著图得到钢轨缺陷图,多次融合提高检测算法的准确性,减少误检情况。在实验室环境下对该显著性检测算法进行实验验证,并且提取各阶段显著图像进行对比,最后和现有显著性检测算法进行实验对比。（3）设计并实现钢轨表面缺陷检测系统,使用3DPIXA双目彩色线阵相机采集钢轨表面图像,Corona Ⅱ光源解决钢轨表面图像采集时的光照条件,根据现场环境的需要调整相机曝光、增益以及光源亮度等,利用编码器实现移动平台和线阵相机扫描速度的配合,得到统一稳定的高质量图像。最后使用得到的钢轨表面图像和对应的深度图采用本文提出的显著性检测算法进行缺陷检测。