随着我国铁路运输事业的蓬勃发展,货运列车(货车)大幅提速、运量急剧增加,传统的人工巡检安全保障模式已不能满足需求。因此,对货车进行图像采集,并应用基于图像信息的模式识别理论对货车机械故障进行机器识别,有着广阔的理论研究前景和重要的工程应用价值。在货车机械故障检修的研究中,基于图像信息进行机器识别的研究工作目前在国内外都处于起步阶段。本文以车厢钩尾扁销螺栓丢失、转向架心盘螺栓丢失、转向架安全链脱落以及交叉杆弯曲四类典型故障在图像信息中的模式特征为研究背景,着重研究了特征快速提取算法、形状特征描述算子以及故障特征辨识分类器的设计与实现,并对故障识别系统的整体设计和算法集成策略进行了研究。本文的主要研究内容包括:对车厢钩尾扁销螺栓丢失故障识别算法进行了研究。分析了钩尾扁销螺栓图像的分割特征,并针对特征设计了钩尾扁销螺栓区域的两步分割策略。针对钩尾扁销螺栓安装区域的分割,利用灰度投影算法在实时性上的突出优势,设计了一种逐级局部分割子区域,通过对子区域进行灰度投影分析定位特征区域的分割方法。针对从安装区域提取扁销螺栓区域的问题,采用基于非平均加权因子的纹理模板匹配算法实现了螺栓区域的精确定位。针对螺栓丢失故障形态特征的描述,提出了一种基于背景面积预估的阈值分割算法。将该算法和最大类间方差(Ostu)法进行了比较,证明了算法在处理背景分布较为一致的图像样本序列时在实时性和适应性上的突出优势。应用该分割算法描述螺栓丢失故障模态,获得了线性可分的故障特征参数。针对转向架心盘螺栓丢失故障识别问题,对心盘区域分割、心盘螺栓区域特征描述以及心盘螺栓丢失故障辨识分类器的设计进行了研究。根据心盘螺栓图像的转向架类型,将图像进行分类并针对两大类别分别归纳了五种分割特征。针对图像共有的线性分割特征快速提取问题,将窗函数和灰度投影算法相结合求取图像的灰度投影分布曲线,并对曲线极值点进行梯度关系分析,提出了一种心盘螺栓图像线性分割特征快速提取算法。将该分割算法与传统的灰度投影算法以及模板匹配算法相结合,实现了心盘区域的准确分割。采用基于背景区域面积的阈值分割算法对心盘区域进行处理,建立了心盘螺栓特征模态的描述参数图形。针对心盘螺栓丢失特征的描述,提出了一种封闭连通区域形状描述子。该描述子通过定义约束矩形及等高测度矩阵来解析图形,并基于该解析策略定义了偏心率参数族。通过和传统的傅里叶描述子进行比较验证了算子的有效性。将该形状描述子与灰度分析、广义Hough变换相结合,建立了心盘螺栓丢失故障模态的特征参数集。基于模糊理论将特征参数集转化为模糊向量集,基于模糊向量集定义决策树,并设计IF-THEN规则实现了心盘螺栓丢失故障的辨识。针对转向架安全链脱落故障识别算法进行了研究。根据安全链非刚性机械结构的特征,设计了应用直方图线性均衡算法对图像进行预处理并进行自适应阈值分割,再采用改进Sobel算子提取图像边缘的特征提取方法。针对边缘图像中凸多边形的描述问题,提出了一种基于Hough变换和集合分类器的凸多边形检测算子。论文阐述了算法的设计原理和完备性,通过实验论证了算法在对边缘连续性差及破碎严重的凸多边形形状进行描述时的精确性。引入包含极角约束的Hough变换执行该凸多边形检测算子,并结合图像特征的先验知识进行分析,实现了对安全链区域的精确定位。针对安全链脱落由非刚性机械结构形成从而不易直接描述的难点,通过对正常态的安全链进行特征模式的检测,基于阈值分割结果中安全链区域内前景与背景的面积比实现故障判别。针对转向架交叉杆弯曲故障识别算法进行了研究。分析了交叉杆区域的分割特征,基于预选区域的水平梯度垂直投影提取分割特征。结合该分割特征以及图像的先验知识,实现了图像中交叉杆区域的提取。针对图像中弯曲故障的特征描述,提出了一种应用Sobel算子提取特征对象边缘分布图,对边缘图形进行分块后应用Hough变换求取子图中主边缘线段的极角均值,然后以该极角均值为特征参数对弯曲故障进行辨识的方法。通过计算不同子图边缘极角均值的欧氏距离,结合相关先验知识设计条件分段判别函数实现弯曲故障辨识。针对判别函数中判定阈值的优选问题,应用最小错误概率的Bayes决策模型实现了判别函数的阈值寻优。研究了货车典型故障图像识别系统的整体结构,并阐述了图像分类和预处理模块设计方案以及故障信息数据库的设计原理。基于软件工程的设计模式理论,将Strategy模式和Singleton模式应用于自动识别系统的算法集成策略。该集成策略保证了系统具有良好的可分离性,以及识别算法扩展的可伸缩性。基于样本统计分析方法,分析了四类故障识别算法的识别率和平均运算时间。