钢轨表面缺陷检测对于保障列车运行稳定性和安全性具有重要的意义,图像处理技术具有速度快、抗干扰、精度高的优点,成为了该领域研究的热点。本文围绕基于图像处理的钢轨表面缺陷检测的相关技术进行研究,主要研究工作有以下几部分；(1)提出了结合均值的快速中值滤波方法对采集的待检测图像进行滤波处理。该方法根据缺陷区域灰度低的特点,结合了中值滤波和均值滤波的优势,并提出可基于均值查找的快速中值滤波方法,能够快速的滤除采集的待检测图像中包含的噪声,同时减少图像中细节信息的损失。(2)改进了基于垂直投影积分的自适应钢轨表面区域提取方法。为了快速精确的提取图像中的钢轨区域,以提高系统的速度与精度,该方法通过垂直投影曲线中的平均值确定积分的开始位置和结束位置减少搜索的范围,提高处理的速度；根据已知的钢轨宽度求定积分,精确的提钢轨表面区域。(3)提出了基于灰度梯度的自顶向下的视觉模型从大量的钢轨表面图像中快速找出包含缺陷的钢轨表面图像；提出了基于多尺度马尔科夫随机游走的自底向上的视觉模型快速精确的提取包含缺陷的钢轨表面图像中的缺陷。该方法模拟了人类视觉的原理,能够迅速精确的提取钢轨表面缺陷。(4)提出了基于改进的PLSA模型的钢轨表面缺陷分类方法。根据钢轨表面缺陷形状不规则,颜色区别不明显等特点,引用以概率为基础的PLSA模型,并将空间邻域语义关系引入PLSA模型中,结合考虑其相邻的多个视觉单词对图像进行更好的描述。设计了基于改进的PLSA模型的钢轨表面缺陷分类模型,跨越了底层特定和人类感知之间的“语义鸿沟”,具有分类准确、速度快、易于实现的优点。