随着我国铁路跨越式发展，客运高速化和货运重载化程度不断提高，对铁路行车安全保障系统提出了新的挑战。机器视觉检测是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题，它旨在赋予视觉系统观察分析场景内容的能力，实现监测的自动化和智能化，并已在铁路工程应用中显示出巨大的发展潜力。针对铁路运营中异物侵限事故频发，严重影响列车行车安全的问题，本论文主要研究通过机器视觉技术实现铁路异物侵限的检测与识别，并达到铁路行车安全全过程的监测、预警及安全管理。论文在广泛搜集、阅读和分析国内外有关铁路异物侵限、机器视觉和人工智能等方面最新文献和成果的基础上，研究了双目机器视觉、图像分析、模式识别和状态预警等方面的基本原理和方法，给出了铁路异物侵限的双目立体视觉的相机标定、图像预处理、特征提取、限界确定、异物识别和侵限状态预警的计算模型和实现算法，建立了分布式智能监控系统模型，开发设计了铁路异物侵限智能监控的原型系统，并通过实验和应用实例分析，该模型及方法可以有效解决铁路异物侵限的检测、识别与预警方面的问题，达到快速稳定的实时监控性能。论文首先深入分析了铁路安全保障系统目前面临和存在的严峻形势，以及分布式智能视觉监控系统在铁路行车安全保障系统中的作用与意义，在对铁路安全监控和机器视觉技术理论应用文献查阅、分析研究的基础上，提出了铁路异物侵限分布式智能监控系统的设计思路。其次，研究了双目机器视觉的原理与技术，在分析双目机器视觉的成像及检测原理的基础上，依据适宜的相机标定算法建立了双目立体视觉的相机标定系统，得出了异物侵限视觉检测系统相机的内外参数，分析了相应的图像去噪、图像增强和图像锐化等图像预处理算法，提出了一种快速整数递推GCV阈值图像去噪算法，并分析了双目视觉中三维限界的三维重建技术，再次，研究了铁路异物侵限图像特征的提取与二维限界的确定，对比分析了常用图像边缘检测算法的基础上，深入分析基于数学形态学的边缘提取算法，给出了改进的抗噪膨胀腐蚀型算子，提出了一种灰度形态学的多结构元素边缘检测算法，通过检测图像中铁轨特征及标定后现实空间坐标位置为基准，确定了铁路二维限界检测窗口。并在此基础上，分析铁路异物侵限图像特征，提出了序列检测图像的背景估计和空间阴影消除方法，借助动态阈值背景差分法检测判断二维限界中异物；进一步利用二维限界异物检测的结果，提出了利用立体匹配与三维重建来确定铁路三维空间限界的方法，实现了三维空间内的异物侵限检测。然后，研究了铁路异物侵限状态预警技术，通过对铁路异物侵限的场景分析，提出了铁路异物侵限等级评判及预警的方法。以动态贝叶斯网络和模糊分类技术为基础，将影响侵限等级的各因素用概率方法结合专家知识进行描述，建立评估及预警模型，且将模糊分类技术应用到观测数据的处理，依据推理算法得到预测结果，通过案例分析验证该方法的有效性。最后，在研究铁路分布式智能监控的体系结构的基础上，建立了基于MAS的异物侵限分布式智能监控模型，从逻辑结构和功能的角度全面刻画了系统中Agent的组成及其功能模块间的关系，对监控行为进行了形式化的描述，并就Agent间的通信方式进行研究，形成一个完善的分布式监控体系结构。给出了系统的设计思路及总体目标，设计了系统的物理和逻辑架构，分析了系统的信息流程及具体的功能实现，并就系统的应用效果进行说明。论文结论部分对全文进行了概括性总结，提出了一些需要完善的研究工作，并指出了在铁路分布式智能监控方面理论和应用上有待于进一步研究的问题。