交通运输作为国家战略性基础设施,对经济增长起到了推动作用。铁路是国民经济的大动脉,是盘活各个地区经济发展的关键所在。为了保障列车平稳运行,提升其安全可靠性,列控系统中增加异物入侵检测防护系统具有重要意义。在异物入侵检测系统中,其中重要的一步在于合理划定入侵检测区域,即以铁轨为基准点,构成向外延伸区域和内部封闭区域。只有通过正确识别铁轨位置,才能进一步判定异物是否对列车的行驶造成影响及安全隐患。本文目的在于精确划定入侵检测区域的同时减少整体算法的时间开销,而且在一定程度能够保证检测算法的有效性。然而在当前研究中,国外学者多利用传感器技术实现铁轨的防灾减灾监控,利用图像处理的研究技术较少。国内学者提出的铁轨检测算法大多面向结构化的直轨或弯轨,忽略了铁路上道岔口的情况。针对当前研究中存在的不足,本文提出使用图像处理技术实现对铁轨的检测。通过边缘检测算子检测铁轨的边缘分布,并采用分段模型实现对直轨、弯轨和单开岔道的拟合。首先采用图像预处理技术对原始图像进行降噪。在铁轨边缘检测过程中,铁轨分布不是简单的水平与垂直,单纯计算水平方向和垂直方向上的像素梯度值容易导致边缘像素丢失。本文在传统Canny算子的基础上添加了45°和135°的梯度模板,以确保检测出更多的图像真实边缘。针对铁轨中最常见的直轨、弯轨和单开岔道,本文通过三种算法模型对其进行检测。直轨检测的难点在于区分左右轨道,算法中主要根据直线斜率的正负性进行区分;弯轨检测的难点也在于区分左右轨,但是弯轨的斜率分布与直轨不同,算法中主要根据直线斜率分布以及直线之间的距离这两个特性进行区分;岔道口检测的难点在于区分出直轨和弯轨,算法中主要通过调整霍夫变换的阈值,获取出边缘图像中的长直线即为直轨边缘,之后再调整霍夫变换的阈值,获取出边缘图像中的短直线,即这些短直线中符合长直线分布特征的直线即为弯轨边缘。实验结果显示,本文提出的改进的Canny算子能够更为丰富的检测出铁轨边缘;针对直轨、弯轨以及单开道岔设计的检测算法也能准确的识别并拟合出不同类型的铁轨。