在轨道交通中,钢轨起到了不可替代的作用。在支撑并且引导车辆的运行过程中,钢轨不可避免地会受到磨耗。为了保障轨道交通的安全运行,需要对钢轨的磨耗进行检测。传统的二维测量方法只是基于图像的特征信息进行检测,二维测量只能获得二维信息,而三维测量所获得的三维信息是二维测量无法实现的。在在线相位测量轮廓术(Phase Measurement Profilometry,PMP)中,如果被测物体运动速度比较高,那么通过采集系统得到的条纹图像通常是运动模糊图像。得到的运动模糊图像会使得三维重构的误差增加,严重时将导致三维重构无法进行。将在线PMP应用在钢轨三维形貌重构的在线测量时,为了实现图像中钢轨表面的运动模糊变形条纹的清晰化,本文使用了维纳滤波算法、点扩散函数算法、盲解卷积算法和Richardson-Lucy算法四种模糊图像复原算法对运动模糊条纹图像进行复原。使用峰值信噪比(Peak Signal Noise Ratio,PSNR)对通过四种模糊图像复原算法的复原图像进行图像质量评估。研究车辆运行速度和复原图像质量之间的关系,得到了复原图像质量与车辆运行速度之间的关系曲线,并对其进行误差分析。通过理论及实验结果表明:在实现图像中钢轨表面的运动模糊变形条纹的清晰化时,使用Richardson-Lucy算法的复原图像质量比较好,复原图像质量与车辆运行速度是多次式关系。为了提高PMP的精度并防止在三维重构的过程中出现错误,本文将传统的Stoilov算法进行改进,有效地去除了四类奇异点。与此同时,本文提出了一种改进的正则化方法对运动模糊条纹图像进行复原。对于点扩散函数的计算与估计进行了多方面的研究,注重于点扩散函数的求取与转向两方面。对于连续的几帧运动模糊图像的点扩散函数,可以通过近似求取以实现极大程度上的节省运算时间并获得一个精度很高的点扩散函数。在点扩散函数的计算上使用Radon变换算法,求得的点扩散函数在正则化边缘重建的过程中将会很大程度上的缩短时间并提高精度。使用本文改进的正则化图像复原算法和改进的PMP能够实现对钢轨三维形貌的精确在线三维测量。