随着铁路的高速发展,列车时速提升、运营负担加重以及恶劣自然环境的影响,钢轨容易产生不可逆转的损伤,并产生越来越多的缺陷。由于传统人工巡检效率低、主观性强,超声波检测法、磁粉法、电涡流检测法的仪器造价高且精度低,基于机器视觉的轨道缺陷检测方法应运而生,成为近年来的研究热点之一。机器视觉检测技术具有高精度、低成本、实时性等优势,拥有广阔的应用前景。本文基于实验室采集整理的钢轨图像数据集,进行了钢轨表面缺陷检测相关技术研究,并取得了以下成果。提出了一种边缘算子加权的引导滤波分层图像增强算法。为突出钢轨缺陷部分,有利于后续的缺陷检测,对原始图像进行滤波分层,分别处理基础图像和细节图像,更加突出细节信息,通过在引导滤波中引入边缘检测算子,最大程度的保留图像边缘信息;针对结果图像亮度不均问题采用AHE算法和拉普拉斯锐化滤波加以克服。算法有效提高了图像对比度,增强了细节信息。提出了一种双边滤波改进Canny提取边缘图像的LSD直线检测算法。利用Canny算法提取边缘图像,基于边缘图像采用LSD直线检测算法进行直线提取;考虑到Canny边缘检测中使用高斯滤波,在降噪的同时会模糊图像边缘,而双边滤波对于图像边缘有较好的保护作用,因此采用双边滤波代替Canny边缘检测中的高斯滤波进行边缘图像提取。同时,将基于双边滤波改进Canny提取边缘图像的LSD直线检测算法应用到钢轨表面边界提取中,对钢轨表面边界进行提取标记,裁剪出钢轨表面区域,去除图像其余部分的干扰,提高后续轨面缺陷检测算法效率。提出了一种钢轨图像非均匀光照校正的钢轨缺陷分割算法。针对钢轨图像具有对比度低、光照不均匀,钢轨缺陷具有低对比度、类内差异、类间相似等问题,首先采用图像边缘信息自适应调节连接强度改进脉冲耦合神经网络,在对图像进行光照不均校正的同时更好的保留图像边缘信息,进而进行灰度变换进一步突出缺陷;考虑到灰度变换后图像最佳分割阈值主要由目标熵决定,因此基于图像目标熵与背景区域灰度分布概率改进最大熵阈值分割,使分割阈值更加适合分割钢轨缺陷;最后经过形态学处理去除图像噪声及细小的对列车行车安全不造成威胁的缺陷,完成轨面缺陷检测。将本文算法与相关算法进行对比实验,从主观评判和客观指标两方面进行评价,本文算法效果更好,在轨面缺陷检测领域具有一定的实用价值。