铁路扣件能够阻止钢轨相对于轨枕的纵横向移动，保证轨道稳定，对轨道的可靠性起着极为重要的作用。轨道扣件的缺失对列车的安全行驶产成了巨大威胁。基于我国的国情，有砟轨道因为其具有造价低等优点，在实际中依然广泛使用。人工巡检效率低、耗时多，这加快了人们对自动检测铁路故障系统的研究。　　有砟轨道扣件缺失算法的研究主要难点在于1）算法容易受拍照位置、周围障碍物及道砟的影响。2）扣件的定位不准确且速度较低，识别准确率不高。本课题旨在探索一种定位准确且能够自动检测有砟轨道扣件缺失的检测算法。本论文主要完成的工作分为以下三个方面:　　1.对有砟轨道扣件图像的预处理。针对原始图像清晰度较差的特点，本论文选用巴特沃斯同态滤波算法对原始轨道图像进行图像增强处理。通过对300幅图像进行处理，发现图像的清晰度和亮度明显增强。其次由于图像拍摄角度的不同导致图像中远处和近处的扣件大小不同，而且相邻帧之间的图像存在着重叠的部分，因此本论文对图像进行区域的划分，这样不仅能够减少处理图像的信息量，还有利于保证扣件图像的大小一致，降低定位扣件中的其他信息对扣件缺失识别的影响。　　2.提出基于Kirsch方向算子的有砟轨道扣件的交叉定位算法。本论文提出在有砟轨道扣件定位阶段采用基于钢轨、轨枕和扣件的位置信息的交叉定位法，即首先检测钢轨和轨枕的直线，钢轨和轨枕直线的交点处就是扣件的位置。考虑到拍摄角度不同，图像中钢轨和轨枕的角度是不同的，因此本论文使用了Kirsch的8个方向算子来获取钢轨和轨枕的边缘图。当角度不同时，通过方向参数的设置即可获得边缘图，进而获得直线求得交点。通过实验验证，本论文定位方案准确率较高，几乎不受周围障碍物、扣件缺失的影响，并且适用于不同拍摄角度下的图像。　　3.提出基于Bag of words的两级分类模型，同时在词袋模型中使用了空间金字塔。结合采集样本的特点和拍摄角度的差异，本论文选取双扣件图像作为识别样本，并提出了两级分类模型。首先通过第一级分类，可以判断扣件是否缺失，并且提取缺失扣件的位置信息，反馈给相关工作人员，以便检修人员及时更换扣件;然后对缺失的扣件进行第二级分类，判断缺失扣件的类型，用于估计扣件的缺失数目，以供工作人员参考。通过实验分析，本论文识别方案准确率较高，具有一定的实用价值。　　有砟轨道扣件缺失算法的研究有利于扣件缺失检测系统的实现，可以在一定程度上促进工务巡检系统的完善。自动检测代替人工巡检，有利于节约检测成本，提高铁路维护效率，保证列车正常行驶，保护人民的人身财产安全。