无人机和巡检机器人的应用大大提高了电力线巡检效率,但其摄取的大量图像数据仍需低效的人工核验。解决这种效率不匹配的方式之一是使用计算机图像处理技术自动识别输电线路上的异物。为此研究和设计了基于数字图像处理的输电线路异物识别算法,该算法由图像增强、图像分割和图像分析三个步骤构成。图像增强步骤的输入为采集的一类含输电线路的图像,比较了随机数学模型和模糊数学模型中各种增强算法的应用效果,分析得出模糊数学模型对于此类图像的增强效果较好,并据此设计了一种基于模糊数学模型的图像增强算法。图像分割步骤的输入为图像增强过程的输出图像,选用基于边缘检测的分割方法。总结了使用较广的多种空域边缘检测算法在含有电力线的增强图像中的应用效果,结果表明这类算法的适用性不佳。随后研究了希尔伯特变换在二维信号中的应用方法,进而设计了一种基于相位一致性的频域边缘检测算法,通过对比说明了该方法具有更好的适用性。随后研究了相位一致性指标的处理方法,可将电力线和异物的边缘从背景中较好地分离,同时获得对应的二值图像。图像分析过程的输入为图像分割步骤输出的二值图像。利用区域特征约束进一步处理二值图像,借鉴认知物理学理论,分析了图像内部特征规律,设计了二值图像数据场的描述方法,并据此给出了输电线路异物识别和定位算法。最后通过样本实验数据分析了算法整体的运算时间和准确率性能。