随着我国铁路列车的不断发展,铁路列车承担着全国交通运输重大责任,铁路列车的安全运行也受到越来越多的关注。列车结构复杂,零部件多,人工对列车检查需要大量的时间和人力,而目前广泛使用的基于图像的列车部件故障检测系统只能对列车的某些关键部位进行故障检测,无法完成列车的零部件检测。因此,对列车零部件故障检测的研究也是不可缺少的。为了有效完成零部件故障检测,本文以列车闸瓦螺栓、闸瓦插销和沙壶部件作为研究对象,运用相关图像处理技术的方法实现了列车闸瓦螺栓、闸瓦插销和沙壶部件异常自动检测。本文的主要内容分为以下三个方面:1、建立了基于GS-SIFT特征描述子的列车闸瓦螺栓丢失识别方法。首先对闸瓦图像进行预处理;由于SIFT算法自身的缺陷,通过对比分析,得出GS-SIFT算法在不同场景中,对待测闸瓦图像和模板闸瓦图像进行特征匹配时,有更强的适应性;进而又通过RANSAC算法筛选得到精确匹配点;对待测闸瓦图像进行旋转和缩放矫正;分割目标区域;最后取正常螺栓图像作为模板遍历目标区域图像,判断螺栓是否丢失。本算法运行稳定,准确率达到96%。2、建立了基于Canny的列车闸瓦插销开角故障识别方法。首先依据闸瓦螺栓和插销的固定位置的区域结构,初步定位分割插销目标区域;预处理插销区域;阐述了本文采用的Canny边缘检测算法对插销区域进行边缘检测有更好的效果;通过Hough变换的线段检测算法检测插销引脚,计算插销引脚夹角,并对结果进行分析。检测结果满足识别率要求。3、建立了基于改进LBP特征的沙壶图像沙管裂纹异常检测和链条异常检测方法。首先利用Canny-Hough算法对沙壶图像进行倾斜矫正;提出了基于改进的LBP模板特征提取,能够很好的定位沙管目标区域;遍历目标区域找到像素跳跃区域,实现裂纹检查;依据沙壶图像中沙管和链条的固定位置结构,对沙管和链条连接处进行阈值化处理,检测链条区域异常。该算法获得的综合评价指标为97.7%,达到预期目标。