轨道交通是世界运输方式的重要组成部分。近年来，随着对城市轨道交通以及高速铁路客运专线等轨道交通的投入力度不断加大，轨道交通地位的不断提升，其安全问题也日益突出。轨枕作为铁路线路重要的基础设施，其工作状态是否正常对铁路线路的安全有着重要的影响。随着基于图像处理技术的非接触式检测技术的发展，图像处理技术也渐渐地被应用到铁路线路的状态检测中来，本文的研究目的就是为后续的轨枕状态检测提供精确的、可信度高的轨枕分割图像。为了这个目标，本文主要做了如下三个方面的工作:　　 1.介绍国际国内对铁路图像轨枕分割进行研究的现状，结合我国现行的铁路线路巡检方式，分析了对铁路图像轨枕分割进行研究的必要性和重要性;　　 2.从纹理分析的角度对铁路图像的特点进行了分析，借鉴生物视觉研究的相关理论，选择了一个重要的时频域分析工具—Gabor滤波器，并结合实际铁路图像的特征，对Gabor滤波器组的相关参数进行了选择和计算，然后对本文设计的Gabor滤波器组的方向特性、旋转不变性、平移不变性和缩放不变性进行了讨论;　　 3.在铁路图像经过Gabor滤波器组变换的基础上，采用非线性分析的方式，对铁路图像的纹理特征进行了提取和分析。针对经典K均值聚类分割随机确定聚类中心和不能利用像素空间约束的缺点，给出了铁路图像轨枕分割聚类中心的选择规则，提出了针对轨枕分割的空间约束K均值聚类分割方法。实验结果表明，本文针对铁路图像纹理特征的特点提出的自适应确定聚类中心和基于像素坐标空间约束的改进K均值聚类铁路图像轨枕分割算法设计合理，分割准确率较高，有一定实用价值。