轨道是由钢轨和轨枕组成的,连接钢轨和轨枕之间的零部件就是扣件,它主要作用就是使钢轨牢固的固定在轨枕上,扣件的状态是否良好,成为了铁路运输安全的一个重要因素。良好状态下的扣件应该是完好无损的,但由于经受压力时间长、环境恶略等原因,扣件就可能出现缺失、松动、产生裂纹等现象,这些现象也成为威胁铁路行车安全的原因之一。近些年,我国一直热衷于研发代替人工的智能铁路扣件巡检系统。在研究自动巡检系统的方法中,数字图像处理应用的最为普遍,它具有研究精度高、巡查速度快等优点。本文在对扣件检测方法研究之前,对国内外的研究现状及使用方法进行了系统的研究,并对于扣件的定位、特征提取和状态识别的算法进行了比较,最终确定了适合本文的研究算法。首先,本文采用“十字交叉”法对扣件进行定位,这种方法最简便,并且具有很好的稳定性和实用性。然后对扣件图像进行特征提取,采用的是现已成功应用于多领域的方向场算法,这种方法可以大大的减少对扣件识别的运算量。最后采用模板匹配法将待测图像的方向场与标准图像的方向场进行比价匹配,采用支持向量机(SVM)来设定模板阈值,对扣件的状态进行模式识别,这种算法具有识别准确率高、计算速度快、计算过程简单等优势。本课题采用LabVIEW上位机编程,通过模块的搭建对上述算法进行实验,对算法的有效性进行了验证,实现了扣件的定位与识别工作,取得了很好的效果。实验表明:本文所采取的定位算法具有很好的稳定性,对扣件的识别具有一定的鲁棒性,这些算法均能满足对实际应用的需求。