近年来随着铁路提速和重载运输的发展,行车密度大幅度增长,导致线路问题日益严重。目前,我国主要采用的方法有:巡道工人沿线路目测,或利用巡道车采集视频图像,由工作人员目视此视频检测线路问题。这两类人工方法对工人的经验要求高、劳动强度大、效率较低,已不能满足当前高速铁路发展的需要。本文研究用于自动检测线路的巡道车视频处理系统。通过对其关键技术的研究,提出了道床板结自动检测及扣件状态的自动识别技术,为轨道线路的自动化检测提供了一种新思路。与传统的人工目测方法相比较,本文设计的系统具有定位准确、漏检率低、自动化程度高的特点。本文首先研究了课题相关研究现状,探讨了利用视频处理技术进行线路状态自动检测的必要性和可行性,并提出巡道车视频处理系统的主要研究内容和关键技术。然后介绍系统的主要构成、图像处理子系统的技术方案,在研究图像预处理算法之后,提出了基于改进Hough变换的区域定位算法,该算法具有边缘曲线检测率高,受噪声和曲线间断影响小的优点。最后重点研究了利用纹理分析进行道床板结自动检测的技术,提出了一种基于灰度共生矩阵的自适应算法提取图像特征,并用BP神经网络作为分类器,实现道床板结的自动检测;同时研究了扣件图像的特征提取技术,实现了一种基于不变矩的扣件状态自动识别算法。实验表明病害漏检率为0,识别结果的正确率平均达到91%,基本满足实际检测要求。