随着我国高速铁路的不断发展,动车组在全国铁路开行旅客列车中的比重越来越大,动车组的安全运行也受到越来越多的关注。动车组结构复杂,零部件多,人工对动车组检查需要大量的时间和人力,而目前广泛使用的铁路货车运行故障动态图像检测系统(TFDS)只能对列车的某些关键部位进行故障检测,无法完成动车组的整车检测。为此,动车组运行故障动态图像检测系统(TEDS)应运而生。本文主要研究TEDS中动车组图像的配准和异常识别技术。在特征区域图像定位时,利用TEDS中采集率和列车速度参数估计特征区域的位置,缩小了图像匹配搜索范围,提高了定位的可靠性。在图像匹配时,针对包含显著线性边缘结构的特征区域,采用边缘线段合并思想,提出一种显著边缘提取方法,提高了光照变化情况下图像匹配的鲁棒性。针对包含复杂边缘结构的特征区域,提出一种基于边缘投影最大峰值点的显著边缘区域选择方法,采用边缘点距离变换相似性度量方法,设计了一种复杂边缘结构的特征区域匹配方法,提高了特征区域匹配的实时性和适应性。在进行异常识别时,提出了一种基于窗口投票的配准区域异常检测方法,克服了车身抖动、图像信息丢失及图像未完全配准的影响,增强了异常识别算法的容错性。最后,将上述算法在现有图片库上进行了仿真试验,定位率、匹配准确性、异常识别率和误识率都能达到预期目标,证明了所设计算法的有效性和时效性。