随着我国铁路建设的飞速发展,铁路运输里程增加,运营周期增长,运输量和效率得到了很大的提升,重载及高速铁路已成为推动我国社会、经济等发展的主要基础设施。铁路轨道处于全天候运营,为提高铁路运营安全性,需对其状态进行实时观测,因此,对既有线轨道结构伤损的识别提出了更高的要求。图像采集及其信息提取具有无接触、智能化和高速性等优点,由于软硬件技术的发展,使得图像处理技术得到提升,将其应用于既有线轨道伤损识别领域是未来发展的方向。在硬件系统及算法的支撑下,本文对图像识别算法进行改进,将边缘信息检测及特征提取与轨道结构伤损识别相结合,研究轨道结构伤损自适应识别算法,实现轨面、轨枕、扣件等区域的伤损判别,所做具体工作如下:（1）利用矩阵重置及行列式计算方法,研究基于改进二维卷积的轨道图像平滑算法。该算法首先对图像像素矩阵边缘元素进行补充,分别根据矩阵行、列元素堆叠重置,充分利用边缘像素,在传统二维卷积的基础上,结合单位矩阵“左行右列”变换计算方式,提出改进行或列的二维卷积图像平滑算法,改善图像质量并提高处理速率。（2）根据轨道图像的明暗特性及扣件弹条特殊形态骨架,完成轨面与扣件图像分离。将改进二维卷积图像平滑方法与双峰法阈值设定应用于传统Canny边缘检测算法中,与传统边缘检测算法进行对比分析,得出轨道图像边缘检测结果。采用Hough变换提取轨面边缘线型,根据直线斜率计算夹角,提取轨道图像边缘线型中存在的角度及长度信息,进一步实现轨枕及轨面伤损判别。（3）研究基于图像特征点匹配的扣件伤损识别算法,将图像特征（颜色、纹理、几何特征等）提取转化为生成特征点描述子的过程。构造扣件区域图像的特征点描述子,通过对其进行排序与抽样处理,在不同图像中根据原始模板匹配出图像集合里的边缘特征点数据,完成图像匹配,按照特征点正确匹配率,分析对比扣件存在的断裂及缺失现象,并利用图像纹理对匹配后的图像进行特征对比,验证判断识别结果的准确性。