铁路运输在国家的现代化建设和人们的日常生活中起着越来越重要的作用，而且近年来随着铁路的提速和高速铁路信息化建设的大力发展，对铁路运输的安全性要求越来越高。因此为了保证铁路的正常运转，需要对铁轨道岔做出准确的识别，避免出现两车相撞等重大安全事故。本文通过对采集到的两幅铁轨道岔的红外图像进行处理、识别，最终判断出道岔的指示方向。本文根据铁轨道岔的图像特征，对铁轨道岔图像进行灰度化处理、中值滤波，直方图均衡化等一系列预处理,然后运用人工阈值分割的方法，根据图像的直方图，经过多次的实验对比，设定一个合适的阈值，将铁轨道岔图像二值化。通过观察图像的二值化效果图，找到铁轨道岔在整幅图片中的特征区域，然后对图像边缘提取。这个过程中，最初尝试了Canny算子、Sobel算子等一些常用的边缘提取方法，但是发现这些方法提取出的轨道边缘线段不利于后期的识别工作，因此，本文采用了一种新的方法，先将二值化的轨道图片进行中轴细化，然后基于OPENCV的PPHT霍夫变换对图片进一步修补，去除残杂线条，最终得到了效果良好，特征突出的铁轨当前轨线条轮廓。实验最后的识别工作是基于三角测量的原理，利用火车当前轨在红外图片上的几何形状固定，首先识别出当前轨位置，然后根据当前轨是否出现明显缺口来判断是否出现即将转弯的道岔以及道岔扳动的方向。对于当前轨缺口的判断文本利用图像上当前轨的两侧钢轨的像素点的个数的明显不同来判断，如果一侧钢轨在图像上的像素点相对另一侧钢轨明显较少，说明轨道在这一侧出现缺口，也就意味着道岔向这一侧扳动，火车也即将朝着这个方向转弯。根据计算机输出的仿真实验结果与红外图像上道岔的实际扳动方向比较，证明该方法达到了对铁轨道岔识别的效果。