随着我国高铁事业的发展和铁路行业的不断延伸,为了保障铁路运输的安全,对铁路周边环境的检测显得越来越重要。但现有的铁路综合检测车都只是对铁轨的检测,并没有对铁路防护栏网的检测,而只是通过巡线工人的对防护栏网检测,这样不仅检测效率低、而且劳动强度大。如果铁路防护栏网破损,有小动物闯入时,将对列车的运行造成重大安全隐患。因此,对铁路防护栏网的检测显得尤为重要。本文针对复杂背景的铁路防护栏网,从不同方面对铁路防护栏的网格进行提取,并提出了一种提取铁路防护栏网网格的算法,为铁路防护栏网在线检测系统提供了理论支持。本文主要完成了以下方面的研究工作:首先,提出铁路防护栏网在线检测系统的框架,主要分为图像采集系统、图像处理系统和无线传输系统。并根据系统要求,确定了主要硬件设备的型号。其次,对数字图像预处理原理方法进行了阐述,并将其运用于现场采集的铁路防护栏网格预处理中,以滤除噪音,为后续的防护栏网格提取奠定基础。再次,根据铁路防护栏网格的特点,运用经典的边缘检测方法,分别使用Sobel边缘检测、Canny边缘检测和基于活动轮廓模型的边缘检测方法对铁路防护栏网图像进行边缘检测。通常数字图像处理方法是将彩色RGB图像转换成灰度图像处理,这样处理丢失了大量彩色图像所带的信息。本文根据铁路防护栏网中网格的颜色特征,采用颜色特征提取网格,取得了一定成效。但沿线铁路防护栏网规格、颜色不统一,无法适用于整个系统。根据实验仿真结果表明,经典的边缘检测方法处理太细致,没有进行特征筛选,以致将复杂的背景都检测了,对网格提取带来重大问题。根据简单的边缘特征,无法完整提取铁路防护栏网格。但通过边缘特征和颜色特征提取结果看出铁路防护栏网网格特征具有对称性质,根据该对称性,提出铁路防护栏网网格提取方法。最后,提出铁路防护栏网网格提取算法,该算法主要分三部分:一是通过Harris角点检测将图像中所有明显角点特征提取;再运用K-means将特征角点进行聚类,把角点密集处寻找出,该聚类点将可能为网格交叉点;应用A-score评分方法对K-means聚类后的点进行评分,评分值最高的几个聚类点即为网格交叉点,连接这些角点,提出网格的初始模型和边向量。二是根据马尔科夫随机场、置信传播和均值漂移构成的均值漂移置信传播算法对网格进行扩展,找全所有网格。三是对均值漂移置信传播增长的网格进行验证,并判断有无更多网格纹理特征。根据实验结果表明,提出的网格提取算法可以有效提取复杂背景的铁路防护栏网格。