现代铁路行业的高速发展面临着列车不断增长的行驶速度、运营里程、载重负荷的挑战,增加了轨道基础设施的安全隐患。钢轨是轨道基础设施的重要组成部分,受高密度的运营、高负荷的载重以及外界自然环境的作用,表面会产生一定的磨蚀损伤,影响列车行驶的舒适度和安全性。及时检测出轨面缺陷,向有关部门提供可靠的维护数据,保障钢轨的可靠性、安全性和使用寿命,对于铁路运维具有十分重要的现实意义。实际采集的轨道图像不仅包含轨道表面区域,还包含轨枕、扣件、碎石等干扰区域,为降低轨面缺陷检测难度,减小轨面磨蚀缺陷的搜索空间和检测时间,需要精准快速提取轨面区域。传统的轨面区域提取方法不同程度存在需要预先给定轨面宽度、假定轨面在轨道图像中央和手动选取边界等前提条件,且存在自适应性差、光照敏感、无法在轨头圆角处存在尘泥等噪声时将轨面完整提取等问题。针对上述问题,提出基于YUV空间的贪心选择及斜率探测扩充的轨面区域提取方法。首先将RGB轨道图像转化到YUV空间,提取其V分量,减弱环境光照以及噪声的干扰;其次绘制V分量的灰度投影反转曲线,利用该曲线灰度均值和中值进行候选轨面区间划分;随后利用贪心算法求出划分后曲线中的最大子序和区间,进行轨面粗提取;最后利用斜率探测扩充法进行轨面精提取,在粗提取的边界两侧进行一定距离的斜率探测,用偏转角大于设定阈值的合适位置更新轨面边界,实现轨面区域的定位提取。在提取出轨道表面区域后,轨面图像仍具有光照不均、可识别特征有限、对比度低、反射特性易变等阻碍视觉检测的新特性。针对上述问题,提出了一种基于缺陷比例限制的背景差分钢轨表面缺陷检测方法。此方法主要包括轨面图像预处理,背景建模与差分,缺陷比例限制滤波,缺陷比例限制最大熵阈值分割,连通区域标记法5个步骤。首先结合轨面图像灰度列均值和列中值进行快速背景建模,将预处理后的图像与背景图像进行差分;其次利用轨面图像缺陷占比较低的特征,对差分图进行缺陷比例上限截断,增强差分图的对比度;随后利用该特征改进最大熵阈值分割,并使用自适应加权因子对目标熵进行全局可变加权,选择出一个合适的阈值使熵值最大化,使之在保留真实缺陷的同时,减弱诸如阴影、锈迹等噪声的干扰;最后采用连通区域标记法对分割后的二值结果图中的缺陷区域进行统计,把缺陷面积低于钢轨损伤标准的判定为噪声去除,实现钢轨表面缺陷检测。