输电线路常常穿过人迹罕至的广阔地区,比如原始森林、大江大河和陡峭的山区,输电线路的人工巡检一直是一项艰苦的工作。近年来,由于无人机技术的成熟,很多地区积极开展利用无人机代替人工的巡检方案。尽管无人机在一定程度上提高了输电线路巡检的效率,但它得到的是大量原始的图片,而不是缺陷分析结果。这些原始的图片有赖于人工分析以发现缺陷。由于用人工方法分析无人机拍摄的图像是一项费时的工作,本文研究了一套对无人机拍摄的输电线路图像进行处理以自动判断是否有缺陷的视觉框架。以图像的线特征提取为基础,本文开展的主要工作有:(1)根据线特征的空间分布识别输电线和杆塔;(2)以多条线特征的聚类为基础识别防震锤;(3)通过线特征的种子生长法识别断股;(4)以线特征团和输电线的位置关系识别异物;(5)根据杆塔锈蚀区域在颜色空间中的特异性识别杆塔锈蚀;(6)通过线特征的长度、角度分布直方图结合支持向量机识别鸟巢。在研究的过程中,本文提出了一种基于矩阵运算的线段连接算法,可以代替现有的基于循环的线段连接算法,用以快速连接物体的线特征;为减少线路背景的干扰,构造了一个背景过滤器,可以有效地将前景物体从背景中分离出来,提高了识别的正确率;在防震锤的识别过程中,针对防震锤侧边线特征无法提取的问题,提出了人工轮廓线段特征生成器以提高使识别的召回率;此外,以输电线的宽度为参照长度,提出了距离阈值自动调节机制,解决了固定阈值在处理不同拍摄距离、不同分辨率时的不足。