1、在機車故障診斷的各項檢修中，主要的方式有:人工肉眼判別、基于機器視覺的圖像自動識別。機車底部部件結(jié)構(gòu)復雜度高，細小部件多，僅靠人工檢查，很難準確記住所有部件的正常狀態(tài)和形式，易由視覺疲勞造成漏檢，尤其在高速運行狀態(tài)下的列車任何一個細小、細微的故障，都可能引發(fā)重大事故。機器視覺圖像技術(shù)作為智能自動識別已經(jīng)廣泛應用于各個行業(yè)，對提高鐵路車輛安全檢測技術(shù)水平，具有重要意義。本論文旨在應用圖像分割、特征描繪等圖像處理技術(shù)實現(xiàn)列車底部心盤故障圖像

2、的自動識別，減少人為影響誤差，提高檢測效率。
　　 論文在研究目前鐵路故障軌邊圖像檢測系統(tǒng)和圖像處理技術(shù)的基礎(chǔ)上，分析了圖像特征提取的各種方法和性質(zhì)。然后結(jié)合機車底部心盤圖像特有的結(jié)構(gòu)特性，首先定義五個分割特征，利用線性加窗灰度投影進行粗分割，定位出待檢測螺栓的目標區(qū)域，然后根據(jù)特征定義間關(guān)系分割得到各個螺栓圖。對分割得到的螺栓圖經(jīng)過濾波、灰度直方均衡增強、面積閾值法二值圖像、提取面積大小與故障特征疑似的區(qū)域判別、建立封閉矩形描