电力绝缘子作为电力网络不可或缺的设备,维护其安全的运行具有至关重要的意义。由于绝缘子数量大,分布广,所以基于航拍图像的绝缘子状态检测具有重要的现实意义。根据航拍绝缘子图像,能够快速准确的对运行电网中的绝缘子状态进行检测和维护。本文基于航拍绝缘子的特点以及图像处理技术,深入研究了航拍绝缘子图像的区域划分,特征描述以及目标提取等方法,并且优化了人工智能目标检测的方法。主要研究工作如下：按照航拍绝缘子图像的特点,需要找出状态正常绝缘子图像与故障绝缘子图像的差异,根据差异大小判断绝缘子状态；故图像差异度量直接影响绝缘子状态判别的准确性。本文提出了基于隶属函数的差异度衡量方法,为事物的差异度的定量衡量提供了借鉴。深入分析事物差异的性质,将模糊数学中的隶属函数引入到差异的定量衡量中,找到差异度与隶属函数质之间的关系,并通过实例分析,表明该差异度的衡量更加能够准确的度量差异。针对尺度不变特征变换方法中寻找的关键点没有实际的物理意义、变换方法计算复杂度高的缺点,提出了基于差异度的改进尺度不变特征变换方法。根据差异度矩阵的描述,对特征点的差异值进行提取,得到了差异值矩阵。分析和实验结果表明,此算法可以有效的匹配图像,在同等的可重复率条件下,有效降低了匹配误差和计算复杂度。提出了基于差异值的图像区域划分方法和图像特征向量描述方法,区域划分方法采用改进的最大类间方差方法,将灰度值转化为差异值,根据差异值进行了图像的有效分割；根据图像分割区域,对特征点进行特征向量描述,分别提出了单区域特征描述和多区域联合特征描述,并推导证明了其不变特性。根据深度信念网络中深度受限玻尔兹曼机模型,从信息熵最大化的角度分析推导,得出了层次数确定准则和权值分布特征,根据此准则和特征,可以有效降低算法的复杂度,并且减少了训练时间。针对深度信念网络收敛慢的缺点,提出了一种利用各态历经随机特性,采用图像线性叠加处理,加快深度神经网络收敛速度的方法,从而提高了学习效率,实验验证了其计算复杂度显著降低,并且识别效果较优。