低压配电网是面向用户端的供电配电网络,工业和生活用电对供电配电网络的可靠性要求越来越高,对配电线路按期巡查维护是保证配电网正常运行的主要手段。现在配电线巡检只能经由人工查线的方式,已经不足以满足电网的发展要求。由于无人机自动巡检的方式具有更优的效率、更高的质量和较低的成本,逐渐成为研究的主流。配电线检测技术是实现无人机自主巡检中自动航行跟踪技术的重要部分。因此,本文研究了在复杂背景下的配电线检测的算法及实现,研究重点分成航拍图像中的配电线检测方法和深度图像中配电线检测方法两个部分。可见光相机航拍图像部分主要研究了图像预处理算法和配电线检测算法。预处理操作包括图像灰度化和图像增强。为了抑制图像背景中非配电线的干扰因素,本文提出了一种改进的分段灰度变换增强方法,然后和脉冲耦合神经网络增强方法和Hessian矩阵增强方法进行实验效果上的对比。预处理之后的对图像进行边缘特征提取,在剖析了Sobel算法、Canny算法和自适应阈值的Canny算法之后,本文选用了更适合线性目标的自适应阈值的Canny算法,结合形态学处理方法,进一步加强了配电线特征。最后通过分析配电线在图像中所表现出来的特征,提出了基于区域筛选的Hough变换方法,完成配电线目标检测任务,在实验中与标准Hough变换和概率Hough变换的检测效果和检测性能作了对比。针对特别杂乱的景物的情况,本文还尝试了利用双目摄像头采集配电线图像。先探讨了深度图像中的预处理算法,然后提出了基于深度信息的配电线检测方法。将获取的深度信息转换为实际的距离,通过距离阈值分割划分出配电线区域,再从中提取出配电线目标。该方法对去除多元化的景物干扰十分有成效,实验证明了该方法有一定的价值。