随着铁路运输的快速发展,铁路安全运营得到业界更多关注。轨道关键设备,如钢轨、扣件、轨枕等的安全状况直接决定着铁路的安全运营。随着我国高速、重载铁路的快速发展,人工巡检已经难以满足现代铁路运营安全的要求。反观当今国际上普遍采用图像处理技术来实现铁路轨道的自动检测,不仅检测效率高,而且经济、安全、实用性强。近年来突飞猛进的计算机软硬件技术,为自动化检测提供了更加广阔的应用空间。因此,我国必须紧跟国际趋势,因地制宜,发展适合本国铁路状况的自动化检测系统。本文针对图像处理算法较强的适应性这一特点进行研究,主要工作如下：1、对铁路图像进行特征分析,依据图像的光照强度与分布特征,按照粗分类、细分类的顺序,将铁路轨道图像分为四类,然后针对不同类型图像设计不同的轨顶边缘定位算法,极大的提高了整体的轨顶边缘定位准确率和算法的适应性。2、提出基于相似度原理的对比算法。该方法在一幅图像中截取分辨率与轨顶部分相同的一部分作为模板,然后遍历全图截取很多与模板同样分辨率的部分进行相似度计算,生成相似度曲线,最后根据相似度曲线的最小值确定图像种类。该算法具有较强的稳定性和鲁棒性。3、通过理论分析直方图均衡化,证明某些灰度值合并是导致图像细节缺失的主要原因,并结合经过阈值分割后图像的背景部分和目标部分,判断合并的灰度值,最后在原图像中对合并的灰度值对应的像素进行邻域处理。该方法能够有效降低传统直方图均衡化造成的细节缺失。4、通过对样本库进行实验验证,表明本文提出的铁路图像分类和轨顶边缘分类定位算法是有效的。