随着计算机技术的不断发展,图像处理技术在各行各业的应用越来越广泛。噪声是附加在图像中的干扰信息,会影响图像内容的表达,边缘代表图像灰度发生较大变化的区域,是对图像进一步解读的基础,因此,滤除图像噪声和检测图像边缘是图像处理中极为重要的研究内容。小波变换是近年来新兴的信号处理工具,它具有低熵性和良好的时频特性,有“数学显微镜”之称,在图像处理领域有广泛的应用。本文以小波理论为基础,对小波阈值去噪算法和基于小波变换的边缘检测算法进行了改进,并将改进算法应用于钢轨缺陷检测。论文的主要工作如下:论文对小波变换理论进行研究,介绍多分辨率分析的概念及原理,使用Matlab对Mallat快速算法进行实验仿真,并分析一维小波变换及二维小波变换的原理及性质。对图像噪声的类别及评价标准进行讨论,总结了常用的空间域滤波算法和小波域去噪算法。针对小波硬阈值函数存在的“伪吉布斯”现象和软阈值函数在阈值处不连续的问题,提出了一种改进的小波阈值函数,改进的阈值函数具有更好的光滑性,连续性和渐进性。通过实验与传统的小波阈值去噪算法进行比较,证明了改进算法的有效性。对经典边缘检测微分算子和基于小波变换的边缘检测算法原理进行分析,并对比其优缺点。提出一种小波变换和数学形态学相结合的边缘检测改进算法,改进算法设计了新的抗噪型形态学边缘检测算子,并提出了一种基于余弦距离的自适应权值算法,以检测图像不同方向的边缘。通过实验将改进算法与其它常用边缘检测算法进行对比,结果证明改进算法具有更好的边缘检测能力,且对含噪图像的检测效果更好。以两种钢轨缺陷(裂纹和疤痕)为研究对象,在提取缺陷过程中使用本文改进的去噪和边缘检测算法,实验结果表明改进算法具有一定的实用性。设计BP神经网络对两种缺陷进行分类,分类结果表明设计的BP神经网络分类合理,满足使用要求。