航拍绝缘子图像具有背景复杂、分辨率较低、数量多和伪目标多等特点,使用传统分割方法会产生大量的用户交互导致分割效果不佳。协同分割能够利用图像之间的相关性来进行多幅绝缘子图像目标分割,在减少工作量的同时可获得更高的分割精度。本文把协同分割引入到绝缘子航拍图像处理中,设计并实现了以下三种分割方法:设计一种基于热力扩散模型的航拍绝缘子协同分割方法。首先对图像序列进行文本去除,然后用SLIC(Simple linear iterative clustering)对预处理过的图像序列进行超像素分割以提高计算速度,根据热力学中的各向异性扩散理论建立协同分割模型,对图像中的超像素聚成设定数目区域类,最后提取出多幅图像中对应的最大相关区域即为分割的共同绝缘子目标以达到有效消除伪目标区域类。实验结果表明,该方法在一定程度上提高了图像中目标分割的准确性,方便后期识别与故障诊断。为解决基于热力扩散模型的航拍绝缘子协同分割方法对复杂背景中存在多个伪目标(如部分输电线、杆塔)与绝缘子粘连情况的航拍图像的分割效果欠佳情况,提出一种Hough检测修复结合自动初始化轮廓C-V模型的航拍绝缘子协同分割方法。首先对航拍图像进行去除文本预处理,然后对预处理过的图像进行Hough检测修复以处理输电线与绝缘子粘连问题并用SLIC进行超像素分割,最后利用广义霍夫变换实现C-V模型初始轮廓的选取并进行基于图像间的C-V模型的绝缘子协同分割。实验结果表明,本文分割方法的准确率明显比其它方法高,能够有效地区分目标和背景并去除杆塔、输电线等伪目标,自动化性能良好,为无人机航拍绝缘子的状态检测及故障诊断奠定基础。为解决经典随机游走算法容易错误分割且对多幅图像分割需要大量交互的问题,同时无需C-V模型的迭代耗时计算过程,本文提出了一种基于协同随机游走的航拍绝缘子协同分割方法。本文方法具有良好的自动化性能,通过图像内和图像间的像素特征关系来构造协同图网络,求得协同对应种子点,达到多幅图像更精确地协同随机游走分割。对航拍绝缘子图像进行了分割实验,验证了基于协同随机游走的协同分割方法相对于其它分割方法具有更高的鲁棒性。