列车制动技术直接影响到列车提速和运行安全，其中闸瓦制动方式以其较大的制动能力和较低的成本在铁路运输中被普遍采用，并在今后一段时期内仍将是主要的制动方式，因此对闸瓦的状况进行及时有效地检测显得格外重要。铁道部门目前主要以人工方法进行检查，然而全国列车数量众多，需要大量人力、财力，而且人为因素影响多，精度和效率低，需要列车停车，影响列车运行效率。机器视觉系统已广泛用于对象的测量和识别，其优点是自动化、非接触和在线性，将其应用于闸瓦的检测，可有效解决上述问题。基于机器视觉原理构建闸瓦在线自动检测设备，有显著的现实意义和广阔的应用前景。 本文主要是对铁路车辆闸瓦动态图像识别关键技术进行研究，目的是实现对列车高速运行过程中抓拍到的闸瓦图像的识别与测量。检测系统根据铁路现场情况，通过图像采集装置，采集并存储了大量闸瓦动态图像。通过对这些图像的分析处理，寻求最优的图像处理方案。根据图像的特点，采用了如下的图像处理顺序：图像预处理、图像特征提取、图像识别、图像分割和图像测量。具体内容是：首先是对图像进行维纳滤波复原，以减少运动引起的模糊，其中采用盲复原技术对闸瓦降质图像进行分析及探讨；然后阐述了不变矩理论，并对图像进行边缘检测，利用改进的边缘不变矩匹配算法对闸瓦图像进行特征提取和特征匹配，实现闸瓦动态图像的识别；利用识别出的闸瓦中心为初始位置，采用基于主动轮廓模型的水平集方法对闸瓦轮廓进行跟踪，并分割出闸瓦图像；对分割出的闸瓦图像再进行垂直方向边缘检测，获得闸瓦垂直方向的两条边缘曲线段，计算它们之间的最短距离，再乘以标定的物体分辨率，计算的结果作为闸瓦的最小厚度估计。试验表明所采用的图像处理算法能较准确地提取闸瓦轮廓，进而计算闸瓦厚度，而且算法重复性和稳定性满足要求。