铁路运输是交通运输的重要组成部分,对铁路线路的维护工作是保障其安全运营的重要基础。铁路扣件作为连接钢轨和轨枕的组成部件,对保障铁路线路的安全起着非常重要的作用。图像处理技术作为一种高效的非接触式检测技术,近年来被应用到铁路扣件的状态检测中。本文利用图像处理技术来对铁路扣件缺陷检测进行研究,其主要内容如下：首先,针对现有扣件定位方法对不同光照条件下的扣件图像定位适应性差、准确率低的缺点,提出了一种基于Rank变换和区域生长方法相结合的、具有灰度不变性的扣件定位方法。该定位方法根据人眼视敏度特性设定了一种Rank变换窗口,并利用该窗口对图像进行处理得到一幅Rank图像,接着对该图像进行阂值化处理,从而得到增强后的扣件边缘图像。之后,利用LSD中区域生长方法的思想和先验知识,在增强后的扣件边缘图像中搜寻挡板座与轨枕接触处的边界线,并根据扣件、挡板座和轨枕相互之间的空间位置关系,来确定扣件的准确位置。实验证明,该方法定位准确且具有很好的适应性和鲁棒性。其次,针对原金字塔梯度直方图方法(Pyramid Histogram of oriented gradients, PHOG)因扣件关键区域信息在特征向量中所占比重小而导致识别率低、速率慢的问题,提出了一种改进的PHOG特征提取方法。该方法根据扣件图像的结构特点,在PHOG方法的基础上,构造了一种新的块划分方法,以去除图像中包含扣件信息较少的区域。同时,为了使得最终的特征向量能够更好地描述扣件的形状特征,将改进后的特征提取方法与基于Rank变换的边缘特征增强方法相结合,来提取扣件的特征向量,并将该向量输入到支持向量机中进行训练,以便得到分类器模型从而实现扣件状态的自动识别。实验证明,该扣件提取方法相比传统的PHOG方法在识别率以及时效性上均有不同程度的提高。