随着我国高速铁路的快速发展,铁路异物检测技术对保障高铁运营安全显得尤为重要。目前基于机器视觉的检测方法大多采用单一的可见光图像检测,对于白天阴影干扰和夜间图像质量变差导致的误检和漏检问题还没有有效的解决途径。因此,本文提出了一种基于多源图像融合的铁路异物侵限检测方法,利用红外与可见光图像融合弥补了单一可见光图像检测在阴影和夜间条件下的不足,从而在融合图像色彩细节和温度等信息的同时,提高了在阴影和夜间条件下异物检测的准确性。论文首先提出了基于多源图像融合的铁路异物侵限检测方法的总体方案,然后介绍了红外与可见光图像特性和相关算法的基础理论及技术。在此基础上,论文重点研究了异源图像的配准与融合算法和运动目标多源信息融合检测算法,最后通过一系列白天和夜间的实验验证了算法的性能。针对不同视场异源图像特征点误匹配率高的问题,提出了基于SURF特征点的改进配准算法,首先通过最近邻与次近邻之比生成初始匹配点对,然后利用几何约束条件、相似三角形和RANSAC算法实现特征点的逐级精匹配;为解决大景深场景下基于单幅图像配准产生的失配问题,采用多帧图像序列获取累积匹配点对进而计算异源图像变换矩阵的方法;为了得到既具有丰富的细节色彩信息又突显目标温度特性的融合图像,提出了基于TV模型和局部能量的Contourlet变换融合算法;针对白天红外光晕干扰和夜间光线突变导致的误检和漏检问题,提出了一种基于前景-背景区分因子的运动目标多源信息融合检测的方法,首先对运动目标检测得到的疑似目标进行基于前景-背景区分因子的可信度计算来判断和筛选候选目标,然后利用红外与可见光图像的决策级融合来综合判断目标的准确性,最后结合图像像素级融合得到运动目标的融合图像,在实现运动目标准确检测的同时增强了图像的可视化和可理解性。通过与常用的几类图像融合算法进行评价指标的定量比较,本文融合算法得到的融合图像相对于源图像质量有明显提高,与其他融合算法相比,标准差至少提高了 12.6%,信息熵至少提高了 10.5%,交叉熵至少降低了 65.0%。本文运动目标融合检测算法在白天和夜间的检测结果均优于单源视频的检测结果,解决了在白天红外光晕干扰和夜间光线突变的情况下运动目标检测不准确和误检漏检的问题。对于铁路侵限异物的准确检测和铁路运营安全水平的提高具有非常重要的意义。