当下,铁路货车运行故障动态图像检测系统(TFDS)主要通过人机结合的模式实现轨边故障图像检测。随着计算机视觉和数字图像处理技术的发展,TFDS故障识别正朝着机控自动检测模式的方向发展。本文在已有TFDS故障识别的基础上,通过描述边界图像中轮廓曲线的弯曲度特征,提出两种曲线弯曲度约束圆检测算法;结合目标物轮廓曲线的形状特征,实现了TFDS图像中锁紧板紧固螺栓松动故障的自动检测。边缘检测在数字图像处理与分析中扮演着重要角色,在已有的边缘检测算法中,Canny算法处理效果较好,应用较为广泛。但传统Canny算子使用2?2邻域差分求取梯度,易丢失较多边界信息;其次Canny算子需要人为设定梯度阈值,这样可能会导致所选取的阈值不够理想,直接影响边界图像中边缘的连通性和准确性。因此,改进Canny算子梯度求取和阈值选取的方式尤为重要。改进算法主要从像素梯度值的求取、边缘像素点的选取方式以及梯度阈值的选取方式出发,旨在降低噪声边缘的基础上保留更多的边缘信息,并实现Canny边界提取算法中阈值的自适应选取。在边界图像中,轮廓曲线包含许多特征,能反映物体的大小、形状等信息。不同形状的轮廓,其轮廓曲线弯曲度不一样,所以可以通过对曲线弯曲度的描述来实现轮廓曲线形状特征的提取。在复杂边界图像中,类似圆,直线,角等这些基本几何图形特征明显且易于被识别,本文主要对边界图像中的圆形曲线进行研究,并提出了在边界图像中基于曲线弯曲度约束的两种圆检测算法。然后通过对TFDS图像中轮轴中心点和轮廓边缘点的标记试验来验证算法的可行性和有效性。在对边界图像的处理过程中,形状特征包含了许多图像信息,是目标物识别的重要参考。本文在确定转向架轮轴的位置后,利用几何辅助模型实现了对锁紧板区域的标记。进一步利用目标区域的形状特征,设计了锁紧板紧固螺栓松动的故障检测算法,并实现了对TFDS图像中锁紧板的典型故障检查。