钢轨探伤和扣件检测是铁路基础设施检测工作的重要内容,钢轨表面出现缺陷以及扣件缺失会对行车安全构成巨大威胁。基于视频图像处理的轨道缺陷自动检测系统的研制为自动、实时地检测铁路缺陷提供了有效手段。本文主要针对轨道缺陷自动检测系统的图像处理技术进行研究,所做的工作如下：根据缺陷检测的目标和要求,对图像采集系统的主要设备进行了分析选型研究、对缺陷自动检测系统的软件功能模块进行了分析设计。钢轨和扣件的正确提取是系统缺陷检测的重要前提。本文针对现有定位算法的不足,提出了基于区域亮点统计的算法定位钢轨和轨枕的边缘,从而提取出钢轨区域,并利用扣件相对位置的先验知识实现扣件的定位提取。对裁剪出的钢轨区域通过阈值分割,形态学处理,可以首先排除正常钢轨的情况；对存在缺陷的钢轨进行缺陷提取,计算了缺陷的质心、面积、周长、长宽比等特征参数,利用神经网络分类器实现了对疤痕和裂纹这两种缺陷的分类。对裁剪出的扣件区域利用PCA降维方法提取扣件图像的特征,大大减少扣件识别的运算量。建立了扣件模式识别的训练图库和测试图库,利用最近邻域分类器实现了扣件缺失状态的识别。本文对上述算法基于matlab软件进行了实验验证。结果表明：本文的钢轨和扣件提取算法具有很强的稳定性,不受光照不均匀和钢轨倾斜的影响,能够快速准确地提取出钢轨和扣件区域；本文的钢轨表面缺陷检测算法,能够排除正常的钢轨,设计的BP神经网络可以有效识别缺陷钢轨的表面疤痕和裂纹缺陷；PCA降维和最近邻域法可以快速有效识别扣件的缺失状态,并且具有一定的鲁棒性。