由于近年来铁路运营不断向高速和重载的方向发展,对于铁路线路的维护与安全检测提出了更高的要求。铁路轨道扣件是铁路基础设施中主要的零部件之一,损坏或丢失的扣件会导致列车脱轨等重大事故。作为铁路监测系统中必不可少的项目,扣件的缺陷检测十分重要。为了改变我国现阶段仍使用人工沿铁路目测的检测现状,研发一种非接触式自动检测扣件的方法显得尤为重要。针对现有轨道扣件检测算法的不足,本文结合图像处理的优势,对轨道扣件进行缺陷检测,论文的主要研究内容如下:首先,采集轨道扣件图像并对其进行滤波去噪处理。根据实验要求,选取符合本文研究需求的光源、相机以及镜头,采集扣件图像。使用模板为3?3的中值滤波对采集到的轨道扣件图像进行滤波去噪处理。仿真实验表明,该滤波方法滤波效果良好,并能很好地保护扣件图像的缺陷处细节。其次,边缘检测与定位。针对传统Canny算子存在的不足,本文提出一种改进的Canny算子。在计算梯度时,增添计算45?方向与135?方向的梯度幅值,有效避免漏检部分像素点,同时,将二维Otsu阈值法引入到算子中,使算法能够根据扣件自身独有特点来自适应地选取最佳阈值,有效避免出现间断边缘以及伪边缘,从而达到改善检测边缘质量效果、完善边缘信息的目的。提取边缘信息后结合Hough变换提取直线的方法对轨道扣件区域进行定位。仿真实验表明,改进的方法能提取更完整的边缘信息,增加了定位的准确率。最后,提取扣件图像的PHOG特征与MBLBP特征,融合两种特征后输入支持向量机中进行分类识别。相比于单个特征的局限性,融合提取纹理信息的MBLBP特征与提取空间边缘信息的PHOG特征后的新特征兼并了二者的优势。仿真实验表明,与单个特征相比,用融合后的特征作为分类依据得到的准确率有明显的提升。