轨道运输行业朝着重载、高速以及高密度运行的方向前进，这对轨道的质量提出了更高的要求。铁路运输业的发展潜力巨大，目前，我国铁路网总里程仅相当于美国的40％。尽管2011年底中国铁路系统达到9.9万公里左右，但这仅相当于美国19世纪70年代的规模，运营里程仅占全球铁路网的6％，但却承担着25％的全球铁路运量。因此，我国铁路运输重载化、高速化已经成为一个必然的趋势，高速铁路采用的重轨，国产的重轨在技术标准、冶金质量、轧制精度以及检测手段上都与先进国家有着很大的差距，除了要求更严格的材料、加工技术、外形尺寸等要素以外，重轨表面缺陷也是影响重轨质量的一个关键技术指标。为了最大限度降低铁路运输的安全隐患，有必要对重轨表面进行缺陷检测，以达到增强重轨的耐磨性、抗冲击性及刚度，保证重轨的质量。　　 现以国内某大型钢铁企业的热态重轨的检测为应用背景进行研究。目前，该企业对热态重轨表面质量检测主要依靠人工检测法，由于肉眼检测法存在漏检率高、检测范围小、检测效率低、主观性强、不能数字化保存等弊端，为满足万能轧制线重轨高速生产的要求，对热态重轨缺陷图像和常用检测方法做了分析和研究，对缺陷图像检测采用了基于机器视觉的图像采集技术与基于遗传-粒子群算法混合优化的模糊聚类算法的缺陷分类技术。　　 在总结和分析现有检测系统研究状况的基础上，针对重轨表面形状多变，截面轮廓复杂，由多段平面和多段曲面圆弧连接而成的特性，提出了一种基于机器视觉的检测方案，并设计了重轨表面缺陷检测系统的总体结构，以系统的硬件搭建及软件功能实行模块化分类为目标，提出了各个模块具体的实现方案。采用6路线阵CCD对重轨的踏面、底面及上腰面、下腰面进行拍摄。为解决线阵CCD高速运动时的照明问题，通过色度、亮度、光谱功率理论及实验效果等方面对各种类型的光源进行了对比，综合比较，选用了卤素灯光源暗场照明方式。另外，为解决热态重轨由于红外热辐射导致的图像过曝的问题，分析了热态重轨光谱辐射特性，对添加不同滤镜的重轨图像成像效果进行了对比分析。　　 以重轨表面图像预处理过程为主线，重点研究了图像增强、图像分割和边缘提取算法中的图像增强方法，提出聚焦评价函数的图像清晰度评价方法结合纵向、横向光照均匀化校正的思想，改善了由于重轨的抖动与光照不均造成的图像质量退化的现象，最后通过均方误差(MSE)、峰值信噪比(PSNR)、通用图像质量指数(UIQI)等指标，对校正结果进行了量化评判。实验结果表明，本文所用校正算法处理时间最短，处理一张图片仅耗费0.0634s，可以有效地抑制图像局部高光现象，同时又保留了85.8％以上的原始图像信息，达到了理想的校正效果。　　 重轨缺陷的特征参数提取及选择与下一步的缺陷分类工作息息相关。重点对重轨图像缺陷的特征参数提取方法与特征参数的降维展开了深入的研究，根据重轨表面各种缺陷的外形轮廓、灰度、矩特征的不同，选取了缺陷图像的几何特征参数、灰度特征参数、Hu不变矩特征参数、Zernike矩特征参数，共计27个特征，完成了缺陷的不同特征空间上的特征描述。选用PCA主成分分析法，对所选择的16种特征参数进行降维操作，实现降低了冗余的相关特性信息、减少了模式分类的输入参数规模、提高了模式分类速度的目的。实验结果表明，选取16个特征参数映射的前6个主成分即可达到包含98％以上的信息，文章所选取的前4个主元的累计贡献率达到92.62％，远远大于一般工程中80％～85％的要求。　　 针对重轨表面缺陷样本形态复杂，缺陷之间某些特征参数相似度高的特点，提出了遗传-粒子群(GA-PSO)优化的模糊聚类算法(FCM)对缺陷进行分类。因为GA算法具有种群多样性（防止陷入局部收敛），PSO算法在寻解过程中具有“自我”学习提高和向“他人”学习的特性，可以在较少的迭代次数内找到最优解，FCM算法在缺陷的分类中有着良好的应用。因此，在分析各种算法优缺点的基础上，选用了GA-PSO混合优化的FCM方法进行模式分类。几种缺陷的分类的平均正确率为93.6％。　　 重轨表面缺陷检测系统已经投入使用并通过验收，所提出的系统设计方案、检测技术和缺陷识别方法对机器视觉技术在其它表面检测领域的应用有一定启发作用。