随着信息化社会的高速发展以及安全意识的普及，各国对高速铁路基础设施的检测和维护工作都非常重视，研制了诸多的基础设施检测和维修设备，但铁路系统的检测装置研究对象侧重于列车本身和轨道。铁路线路环境监测是基础设施检测的重要组成部分之一，它包括对护栏、接触网、异物入侵等方面的检测。由于复杂的自然环境和巨大的数据量导致其中铁路护栏的完整性检测迄今为止尚处于研究空白状态。本论文基于铁路护栏图像的网格提取算法研究，旨在加强列车安全运行环境中铁路护栏网的日常维护，为以后铁路护栏网的完整性判断提供技术支持。本论文研究首先从简单的阈值分割算法入手；接着研究均值偏移（Mean Shift）算法对铁路护栏图像平滑、分割的效果；然后针对产生的过分割图像，采用基于区域面积加权的区域相似度准则和基于最小面积的合并停止准则来进行区域合并；最后进行网格提取。针对这一系列内容，本论文依次从以下四个方面进行阐述。1、需要考虑到算法的处理速度，本论文首先从简单的基于阈值的图像分割算法着手，讨论了最大类间方差法（Otsu方法，也称大律法）、最大熵阈值分割法、Niblack局部阈值分割法等在几种经典的阈值分割方法对铁路护栏图像的分割效果。虽然效果不佳，但是得到了网格区域的颜色范围且为后续的研究提供了方向。2、在研究经典Mean Shift图像滤波算法的过程中，发现Mean Shift算法不仅滤波平滑掉了图像中小的差异，也能保护好和突出网格区域，且已有用于图像分割的先例。本论文将铁路护栏图像用空间-色度域Mean Shift算法进行分割，并通过实验得出了最佳空间带宽和色度带宽。3、在用固定带宽Mean Shift算法分割铁路护栏图像后，为了消除图像分割的过分割现象，提出采用基于区域面积加权的区域相似度准则和基于最小面积阈值的合并停止准则来进行区域合并。并在区域合并后，利用色度值范围对网格区域进行初提取，得到二值化图像。4、对二值图像几何特征分析后，通过直线检测实现网格区域定位，并对消除非网格直线和补充网格直线。最后得到铁路护栏网格图像。