货车运行故障动态检测系统(Running Trouble of Freight Car Detection System,TFDS)是铁道部大力推广的一套自动安检系统,该系统包括了对关门车故障和交叉杆故障的自动检测。其中关门车故障指车厢底面中部的塞门把手处于关闭状态,交叉杆故障指车厢地面两侧的交叉杆处于弯曲状态,这两个故障一旦发生,都会对列车行车安全造成很大威胁。本文以数字图像处理技术为基础,实现TFDS对关门车故障和交叉杆故障的自动检测功能,即设计两套高效率的故障自动识别算法,用计算机视觉代替肉眼来实现对故障的识别,提高行车安全。在故障自动识别算法的设计及实现过程中,灵活运用数字图像处理中的灰度梯度映射、二值化、基于梯度信息的边缘检测、Hough变换等经典算法,成功实现了对待检测图片故障部位的精确定位和分割、故障类型的准确判断等过程,达到了算法识别90%以上的准确率。同时,在识别算法中,首次使用了窗口灰度映射算法,该算法在图像处理的经典灰度映射算法的基础上进行了改进,有着较高的特征定位准确率,在图像分割的一些领域中具有其存在的价值和意义。论文最后对两套识别算法进行了测试,并对存在的不足分别进行了详细描述和分析。同时对算法的执行速度分三个方面进行了优化,使得算法更符合工程实际的要求。