中国电建市政建设集团有限公司 郝永旺

兰州交通大学 魏文军

中国电建集团铁路建设公司 曹玉新 姜永涛

对铁路工务来说，钢轨表面的及时缺陷检测对维护列车安全运行具有重要的意义[1]。利用图像方面的技术对轨道表面缺陷进行检测的方法具有高速度、高精度和高自动化等特性[2]。文献[3]提出的钢轨表面缺陷检测快速算法，在检测单一缺陷的轨面时效果较好，但难以应对复杂的轨面缺陷。刘蕴辉等利用图像灰度信息提出的快速、实时检测算法，只能找寻轨道表面缺陷的位置及其大小，但难以识别轨道表面缺陷的类型[4]。唐湘娜基于BP神经网络的缺陷分类，提出的利用水平投影和灰度阈值的检测方法，仅仅针对疤痕和波纹擦伤两种缺陷[5]。

针对以往方法缺陷识别种类较少的情况，本文首先对采集到的轨面图像进行图像处理，图像增强去噪后提取出轨道表面图像中的轨面缺陷部分，然后实现缺陷的特征选择与提取，最后根据提取到的缺陷特征通过神经网络实现缺陷识别，仿真结果显示本文方法能够实现疤痕、裂缝和波纹擦伤等多种缺陷识别。

1 轨道表面图像预处理

采集到的轨道图像中不可避免的会出现碎石，枕木等非钢轨表面的区域，同时轨道图像会受到噪音、光线或者其他外界因素的影响，使其出现清晰度不高，细节不清或者图像模糊的问题。因此，采集到的原始图像不能被直接使用，先要对其进行图像预处理。……