高压线路是电力系统的重要组成部分,对高压线路进行定期的巡检能够保障电网的安全稳定运行。当前,随着人工智能技术的发展,利用无人机实现高压线路巡检已经是必然趋势。实现无人机高压线路自主巡检需要自动识别和提取高压线,然后根据识别出的高压线计算出前进方向,并且在巡检过程中进行绝缘子的故障诊断,提高巡检效率,减少工作人员亲自去现场进行巡检的情况。针对其中难点,本文提出了一种基于改进LSD线段检测算法与高压线物体特征相结合的高压线路识别方法,并进一步基于绝缘子多特征信息提出了绝缘子掉串和积雪故障识别方法,最后利用MATLAB和Microsoft Visual Studio 2010对相关算法进行了仿真验证,主要工作如下:（1）针对无人机高压线路自主巡检的特点,研究了无人机高压线路自主巡检系统的设计。针对包括机体子系统等的四个子系统进行设计。提出了无人机高压线路自主巡检的工作原理和工作流程,分析了常见的电力设备故障,并重点研究了本文需要解决的两个问题,高压线路的识别和绝缘子故障的自动识别。（2）根据无人机采集图像的特点,进行了图像预处理算法研究,因外界光照条件时刻改变,极易导致无人机采集图像曝光过度或曝光不足的问题。针对此问题,本文提出了基于伽玛变换的光学校正算法,能够有效改善无人机采集图像的质量下降问题。同时,考虑无人机巡检图像中存在的噪声问题,采用了基于小波变换的去噪算法,大大提高了图像复原的质量。在此基础上进一步研究无人机高压线路自主巡检,其大多数是在复杂环境下进行的,导致了无人机巡检图像的背景复杂,针对高压线难以识别和干扰物体较多的问题,通过改进传统的LSD算法和分析高压线的特征,提出了 LSD改进算法和高压线特征相结合的高压线自动识别与提取算法,能够准确快速的识别和提取高压线,为实现无人机高压线路自主巡检提供了坚实的基础。（3）为了实现无人机自主巡检过程中进行绝缘子故障识别,对绝缘子的基本特征进行分析,得出绝缘子纹理特征、颜色特征、形状特征、不变矩特征和小波系数特征的描述方法。针对绝缘子的掉串、积雪和覆冰故障,分别提出了相应的故障识别算法,并进行仿真验证。