钢轨表面缺陷对铁路运输造成安全隐患,及时检测排查缺陷,在保障列车运行安全方面具有重要意义。基于图像处理的钢轨缺陷检测技术具有实时性高、抗干扰性强、精度高等优点,是该领域的发展趋势。本文围绕基于图像的钢轨缺陷检测的相关技术进行研究,研究工作分为以下几点:(1)通过轨检车采集原始轨道图像基本方法及其特点的介绍,分析原始图像对后续钢轨缺陷检测的影响因素,确定了钢轨表面区域提取的方法。首先通过直方图均值化对原始轨道图像进行预处理,根据所采集钢轨图像的灰度分布特点,采用基于霍夫变换的直线检测算法进行钢轨表面区域提取。该方法能快速准确地提取出钢轨表面区域,仿真实验验证了该方法的有效性。(2)提出了基于随机权重策略及异步价值因子取值的人群搜索算法(WFSOA),并结合2D-Otsu算法,进而提出了基于WFSOA的2D-Otsu钢轨缺陷分割方法。对人群搜索算法,通过引入随机权重策略,避免算法陷入局部最优,有利于增强算法多样性,并提高算法的全局搜索能力;同时,改进价值因子取值方法,适当增强算法的利己行为能力、削弱利他行为能力,达到收敛于全局最优的效果。利用WFSOA与2D-Otsu相结合,将2D-Otsu中最佳阈值求解转化为WFSOA求解最优解问题,以距离测度函数作为目标函数,实现钢轨表面缺陷的图像分割。(3)提出了改进的Canny边缘检测算法。采用5×5高斯平滑滤波对图像进行滤波处理,同时把四个方向改进为四个扇区进行非极大值抑制,并通过谷底邻域均值的Otsu算法(VEM)对Canny算法上下阈值进行求解。这种改进方法不仅减少了图像的噪声,而且在阈值求取时增强了Canny算法的适用性和实用性,改善了Canny算法的边缘检测效果。将该改进的算法应用于钢轨缺陷边缘检测中,提升了钢轨缺陷检测的效果。(4)将图像分割及边缘检测得到的钢轨缺陷二值化图像,采用几何特征和形状特征进行特征描述,对钢轨疤痕、裂纹、磨损三种缺陷进行特征计算,得到各缺陷的特征参数,通过特征参数的描述进行特征提取。运用K-邻近分类的方法实现钢轨缺陷类型的识别与分类。仿真实验结果表明,该方法识别缺陷的能力较高,没有漏检的情况出现,满足实际检测的要求。