近几年来,高速动车组被广泛投入铁路运输中,这给铁路行车安全检测部门提出了新的挑战。当前,超声相控阵检测技术已在高速列车车轮检测中得到应用,并取得初步成果。在车轮检测过程中,对缺陷的识别和评判已由传统的人工方式转向自动化识别和评判方式,以此能够减少人为因素的干扰,使评判结果更具规范化、专业化。动车轮对超声相控阵检测图像具备自身特点,有时由于现场检测环境和超声检测的特点所致,一些检测图像被噪声和杂波严重干扰,而同时还存在其它对象的回波,如界面回波和辐板孔回波等,这给缺陷的识别和评判带来困难。为实现动车轮对超声相控阵检测图像的缺陷自动识别,本文由浅到深开展了以下两项研究：其一,研究了一种基于图像互相关的车轮相控阵超声检测B扫图像缺陷定位算法。首先,对车轮B扫图像原始数据进行小波包降噪和阈值二值化处理,初步抑制图像中的噪声干扰；其次,根据图像中辐板孔回波在空间域存在周期性这一基本特征,采用图像互相关法提取辐板孔回波的周期值,并消除周期性干扰；最后,获取车轮缺陷质心和面积等信息,并在原始数据图像中定位缺陷。实验结果表明,该算法能够有效的将车轮B扫图像中的缺陷定位出来,定位准确率高于95%,达到初步定位的目标。其二,本文采用支持向量机技术对超声相控阵检测B扫图像中的缺陷进行自动识别,并在识别过程中将界面波和辐板孔回波均作为识别对象,将二者与真实的缺陷回波视为三类目标加以区分。其主要过程包括目标对象特征分析、特征提取和优化、样本训练、参数优化和识别。通过基于支持向量机的缺陷识别方法,能够更加系统、更加全面地识别缺陷,综合识别准确率达到90%以上,实现预期的目标。本文在动车车轮超声相控阵检测图像缺陷的定位和识别方面开展研究,希望能够为我国开发更为完善的动车车轮自动化检测和识别系统提供一些帮助和参考。