随着现代铁路的高速发展，对现役列车滚动轴承进行检测越来越重要。目前，我国列车滚动轴承缺陷依旧停留在手工检测阶段，技术落后、工作效率低。而日本、美国等国在其检测方面进行了大量的研究，并研制出了各种类型的检测装置，产生了巨大的经济效益。随着我国工业控制技术领域的巨大进步和市场的开放，给计算机控制技术、机器视觉技术、信息技术在铁路系统的应用带来了前所未有的机遇。本文根据列车滚动轴承表面缺陷图像的特点，利用数字图像处理技术对采集到的滚动轴承图像进行处理并提取出缺陷，最后利用有效特征对缺陷进行分类。本文内容由以下部分构成：1．在缺陷图像预处理方面，本文首先分析了铁路货车滚动轴承常见表面缺陷的形态特征、形成机理及其识别的难点，设计了表面缺陷图像处理与识别系统的基本结构。利用离散K-L变换和多小波变换对图像进行滤波去噪，增强了图像的对比度，滤除混入图像中的噪声，改善了图像质量。2．在边缘检测方面，先利用改进的模糊C均值聚类算法检测噪声与边缘，达到粗分割的目的，再利用多小波进行二次边缘检测。3．在缺陷类型分类方面上，将二叉树和神经网络应用于表面缺陷识别，提取缺陷目标的面积、伸长度、厚实度、圆度、边缘平滑度五个特征向量，训练了一个BP神经网络分类器。论文最后针对不同类型缺陷，给出了经各个图像处理步骤及模式识别后的缺陷分类结果，证明了系统能够正确实现滚动轴承表面缺陷检测的目的，具有一定的适用性。