随着铁路营运里程的不断加大，轨道系统的安全检测工作的重要性变得尤为突出，由于需要时刻保证轨道螺栓扣件的有效性，相关部门经常要对其完好性进行周期性的巡检。为了改变传统人工沿铁路沿线目测方法耗时耗力的现状，使用图像处理的方法进行扣件完好性的非接触式检测成逐渐为了一种主要手段。　　为了提高扣件图像检测过程中的检测效率和检测速度。本文对扣件检测图像处理过程中的预处理、扣件定位、特征提取和模型分类等阶段分别进行了探讨和研究。首先，在图像预处理阶段，为解决扣件图像光照过强或过暗的问题，对图像使用了直方图均衡化的方法调整亮度，中值滤波的方法去除图像噪声，有效提高了图像的质量，并进行了效果对比验证。其次，在扣件图像的定位阶段，采用了一种基于灰度投影积分法的改进型投影法对图像进行定位，有效克服了在图像发生偏转时图像中直线特征无法正确识别的问题。再次，单一特征通常都有一定的局限性，在处理复杂条件的图片时，往往只能够针对一类图片有较好效果，本文对MB-LBP特征与PHOG特征进行了融合，生成兼具两种特性的融合特征，能够适应多拍摄环境，复杂条件下的图片特征识别要求。最后，为了解决融合特征维数升高导致的训练速度减慢问题，引入了Adaboost-SVM混合分类器，在达到一定的设置条件后，Adaboost分类器的分类效率将降低，此时再将剩余样本送入SVM分类器进行分类，能够有效提高训练速度。　　采用Matlab软件对算法效果进行仿真测试，结果表明，与单一特征和其他类型的检测方法相比，融合图像特征在提高准确率方面有一定的效果，同时采用Adaboost-SVM混合分类器后训练速度也得到了显著的提升。