高速铁路目前已发展成我国最主要的交通运输方式之一。随着高速铁路的大力发展与普及,线路安全服役问题越发突出,其有效养护维修是保障整个系统高效运行、安全运营、使用寿命延长等的基本保障。近年来,基于视觉技术的轨道检测由于自动、快速、非破坏和客观的特性引起了广泛关注。然而,视觉检测,尤其轨道表面缺陷检测领域,往往面临着各式复杂敏感的视觉表观等带来的挑战。因此,本论文针对在复杂轨道运营环境下的轨道检测技术所面临的成像环境多变性、线路状态演变复杂性以及铁路系统中微弱病害如轨道表面缺陷呈现出的多样性、尺度差异性和稀疏性等诸多挑战,采用模型构建、结构分析、理论分析及性能评估等手段,围绕检测系统的准确性、通用性、安全性、稳定性、客观性和智能性展开研究,同时丰富计算机视觉检测理论和框架,具有重要意义。本文创新工作主要包括如下三个方面:1)考虑到缺陷图像可表示为图像背景、缺陷目标和噪声3种成分的叠加,本文建立了融合背景线性动态正则项和缺陷结构化稀疏正则项的动态背景和结构稀疏的分解模型。具体而言,使用线性动态刻画矩阵来约束背景重构而不是采用通用的低秩约束,不仅能重构出动态的背景还能解决当低秩和稀疏成分之间存在高相干性时带来的分离困扰。而在结构稀疏范数约束中,利用超像素分割的树形结构来规范稀疏成分,使缺陷区域更加紧凑而完整。最终的实验结果所提模型相较其它典型的分解模型,能取得更好的分解性能。2)基于像素强度总体上呈相对一致性而在灰度特征空间中形成主要簇的先验信息,本文通过探索与挖掘这些主要分布在密集区域背景点的信息来找出期望的缺陷点,进一步将轨道表面缺陷检测问题转化为背景分布建模问题。基于此,提出了一种包含粗提取器和细提取器的层次提取器检测框架。具体地说,粗提取器通过探索轨道背景的特性,并专注于寻找背景模点;而细提取器集成了纵向上下文信息和横向先验信息,以有效抑制噪声等其它异常的影响。实验结果表明所提方法能达到很好的检测性能。3)基于轨道的时空连续性,本文对缺陷检测问题进行重新形式化描述并提出了一种背景导向的缺陷检测器。具体而言,启发于选取少量但接近背景观测值来估计背景分布往往比使用大多数观测值来估计背景分布更可靠的基本思想,本文采用随机策略来获得背景模型以降低计算开销;并采用多次随机抽样以保证足够和多样化的背景统计;结合缺陷决策和集成策略以确定当前像素是否属于背景;.最后,采用背景模型的更新机制和并行计算以确保检测的适应性和实时性。实验结果表明它在满足准确率检测的同时也实现了实时性检测的需求。