直升机对输电线路进行巡检,具有高效、可靠、快捷、成本低、不受地域影响等优点,现已成为我国输电线路巡检的一种重要方式。“直升机巡视为主,人工巡视为辅”是我国高压、超高压线路巡检的发展方向。在巡检中所获得的绝缘子航拍图像为智能化地故障诊断提供了数据来源。而绝缘子作为输电线路中的重要部件,长期运行在野外,易受环境的影响而时常发生损坏,严重地威胁着输电线路的安全运作。图像处理技术和GPS技术在电力巡检领域中的应用是直升机自动巡检成为可能。图像分割作为图像处理的关键技术之一,对绝缘子的提取,以便其后期的故障诊断检测等起着重要的作用。针对航拍绝缘子图像具有背景复杂,噪声多,绝缘子亮度较高等问题,本文采用新一代人工神经网络——脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)来处理直升机巡检中的绝缘子航拍图像。PCNN具有生物学特征,与传统人工神经网络相比,不需要全局的精确训练,具有良好的脉冲传播特性、参数可控性,在图像处理、模式识别等领域获得了广泛应用。本文通过PCNN对直升机巡检航拍图像中绝缘子进行提取,对于绝缘子的航拍图像,利用图像分割的思想,把图像分割成不同区域,根据所设定的阈值,当目标区域(绝缘子)内的灰度大于等于此阈值时,发出脉冲,发出脉冲的像素与邻近的像素传递连接；而低于此阈值的,将被抑制而不点火,最终整个目标区域的像素都发出脉冲,从而有效地将绝缘子分割出来。最后文章利用PCNN对绝缘子的彩色原图和灰度图进行了分割比较,得出对与绝缘子彩色图中RGB通道的B通道进行分割的效果最佳；又对经过PCNN分割处理的绝缘子图像与常用的图像分割算法(直方图双峰法、最大类间方差法等)进行比较,得出经过该PCNN处理过的绝缘子图像收到了预想的效果。再对分割后的图像,利用广义Hough变换的方法,在原图上对绝缘子进行了识别定位。