铁路货物运输是我国物资运输的主要途径,我国铁路的大提速对铁路运输中的安全性管理等提出了高要求。在铁路货运检测系统中运用图像处理和模式识别的方法,在相关领域研究中非常新颖并且具有实用价值。本文深入地研究了基于Retinex理论的图像增强方法,与传统图像增强算法不同,它能在动态范围压缩、边缘增强和颜色恒常等方面均取得好效果,能够突出图像阴影处的细节。本文着重研究并实现了在Retinex算法基础上发展起来的单尺度Retinex (SSR)图像增强算法和多尺度Retinex (MSR)图像增强算法,在已有的MSR算法基础上提出了改进的MSR算法,并将其与Mean shift平滑滤波相结合,形成了基于Mean shift平滑滤波改进的MSR灰度图像增强算法。本文从主观人眼观察和客观评价标准两方面对算法的处理结果进行了分析,结果表明,本文算法不仅能增大图像动态范围,提高图像亮度,还能保持图像细节,增加图像清晰度,图像信息熵也有所增大,进而图像包含的信息也更丰富。在铁路货运瓦罐车的定位与分割中,首先利用了本文中的算法对光照条件不好的图片进行增强处理,然后选用基于最大信息熵方法确定图像的分割阈值,并利用基于最小矩形包围盒的方法对图像定位。仿真统计结果表明:本文算法对瓦罐车图像的增强效果显著,提高了定位的准确率。