随着智能电网和电力系统自动化的发展,计算机视觉技术越来越多地应用于电力设备的智能巡检和在线监测中。绝缘子是输电线路中的重要元件,同时也是故障频发元件。由于绝缘子长期暴露在野外,自爆、破损、裂纹和异物搭挂等故障经常发生,严重威胁着输电线路的安全可靠运行。因此,定期检测绝缘子状况,及时发现绝缘子故障至关重要。通过对输电线路巡检采集的图像数据进行分析处理,从而发现绝缘子故障的方法和技术已成为近几年的研究热点。本文围绕特征提取与描述方法,针对航拍图像中绝缘子的检测与定位进行研究,并实现绝缘子掉串故障的检测,对于实现无人机巡检架空输电线路的数字化、智能化具有重要意义。首先,通过分析绝缘子独特的结构特性,介绍了一种基于骨架结构特征的绝缘子识别与定位方法。基于目标的轮廓共性,结合目标建议与机器学习算法进行快速的绝缘子初步定位;然后提取绝缘子骨架结构,并定义绝缘子的骨架结构特征,以此特征进行结构搜索,剔除伪目标,实现绝缘子的准确检测与定位。为实现更精确有效的识别定位,继续抽取更深层次的绝缘子图像特征。提出了一种基于空域形态一致性特征的绝缘子识别方法。通过融合颜色对比特征和梯度对比特征的显著性检测方法确定绝缘子的候选区域;然后定义空域形态一致性特征并进行公式化描述,以此特征描述子在候选区域进行绝缘子搜索,实现对绝缘子的准确识别与定位。之后,在绝缘子准确识别的基础上,定义绝缘子掉串故障的独有特征,提出一种基于自适应形态学的绝缘子掉串故障检测与定位方法。依据玻璃绝缘子颜色特征建立颜色模型,在绝缘子定位区域进行精细分割;再根据绝缘子面积占比进行自适应形态学处理,从而突显掉串区域,准确定位故障点。最后,对本文工作进行了总结,并指出了需要进一步开展的研究工作。