轨道交通是国内主要的交通运输工具之一，保证其安全高效至关重要。轮对是轨道交通关键的走行部件，轮对磨耗参数的检测对轨道交通意义重大。近年来，列车不断提速，采用人工测量逐渐不能够满足车辆检修的要求。为了能够及时了解车辆行进时的轮对情况，提高检测效率和精度，轮对自动在线检测得到广泛研究。其中基于光电图像的轮对磨耗在线检测具有非接触、精度高和速率快等优势。基于光电图像的轮对磨耗在线检测过程当中，由CCD采集轮对图像，必须通过数字图像处理技术，获取目标轮对轮廓线，进而计算出磨耗的参数。通过计算机软件轮对图像实现了分割等处理以及相关参数的计算，对数字图像处理架构和算法的研究影响着轮对图像的处理效果。本文是对基于并行编程的轮对图像在线处理算法优化技术的研究，针对轮对磨耗在线检测获取的轮对图像，利用软件开发发挥多核CPU优势，采用并行优化技术减少轮对图像处理时间，并通过对轮对图像处理算法的优化，以提高轮对图像处理精度。本文主要内容有：（1）研究基于光电图像的轮对磨耗在线检测中获取的轮对图像特点，根据轮对图像特点对轮对图像进行分类。研究三种并行编程技术，基于多核CPU的Windows多线程技术和OpenMP并行技术，以及基于GPU的CUDA架构下的并行编程技术。（2）分析了轮对图像处理的相关算法，本文提出轮对图像分类分割的算法。采用亚像素技术对轮对图像进行预处理，得到像素点增加了的优化图像，对该图像进行后期操作。针对三类不同并行技术，设计并行优化方案。（3）设计软件实验方案，设计轮对图像处理实验；通过实验定性和定量分析亚像素技术的优势；采用Intel VTuneAmplifier性能分析工具，分析轮对图像处理算法程序中的热点和瓶颈；设计并行优化实验。最后对设计方案进行实验验证，通过轮对图像的处理实验，图像亚像素优化对比实验，以及轮对图像并行优化实验分析实验结果。