随着高速铁路技术的快速发展,其快速、准时、舒适的特点为人们出行带来了极大的方便,中国高铁已成为国家外交合作的靓丽名片。为保证高速铁路高效、安全运营,必须对钢轨健康状况进行快速、实时、自动检测。针对传统人工目测、无损检测等技术效率低、精度差以及存在安全隐患等问题,本文通过机器视觉检测方式,设计了一套高铁轨道表面缺陷检测系统,以机器代替人眼,实现了轨道表面缺陷的在线实时智能检测。论文首先介绍了高铁轨道表面缺陷检测的研究背景与现实意义,阐述了钢轨表面缺陷类型及产生原因,针对目前常用检测技术存在的不足,提出将机器视觉检测技术应用于钢轨表面缺陷检测;其次,分析了钢轨表面缺陷检测系统的主要功能以及相关需求,基于此,提出了系统的总体设计方案,并详细介绍了光源、照明方案、工业相机和镜头的类型,依据系统相关性能指标选定硬件参数类型,搭建了一套结构简易、光源可调节、操作方便的高铁轨道表面缺陷检测系统硬件装置;接着,针对轨道表面缺陷检测中的难点问题,提出并实现了一种基于Blob分析的轨道表面缺陷检测算法。其中,为了突出钢轨表面的缺陷特征以及减少后续缺陷检测的时间,研究了一种自适应增益对比度增强算法和一种自适应垂直投影法,准确地提取出轨道表面ROI区域。通过对比OTSU、最大熵、迭代三种阈值分割算法,选定迭代阈值分割法精准、快速地分割出钢轨表面缺陷,并根据实际检测需求获取真实缺陷区域,同时研究了种子填充算法对缺陷进行了分析与标记。实验结果表明该算法可快速、精确地检测出钢轨表面主要缺陷;然后,对疤痕与波纹擦伤缺陷信息进行了特征提取与分析,研究并实现了一种基于SVM的高铁轨道表面缺陷识别算法。选取最有效的特征作为分类模型的输入特征向量,同时以RBF为内核、网络搜索法对参数寻优,进行SVM分类模型的训练,基于该分类模型进行钢轨表面缺陷的识别。实验结果验证了该SVM分类模型可有效、准确地识别出疤痕与波纹擦伤这两种表面缺陷。最后,设计并开发了高铁轨道表面视觉缺陷检测识别软件,有效地实现了对硬件部分的控制以及对钢轨表面缺陷的实时监测与识别。