输电线路在电能传送的过程中担负着重要任务,它的运行状态与人们生活息息相关,对它的定期巡线是保证电网安全稳定运行的重要措施。而传统的巡线方式有诸多弊端,随着机器视觉技术的发展,为自动巡线提供了可能,本文的基于机器视觉的无人机电力巡线技术提供了一种可行的方式,对电力线路的自动巡线进行了算法方面的探讨。本文主要提出了一种基于机器视觉的无人机输电线路巡线方式。根据常见的各种无人机巡线的特点,并分析各种无人机巡线的优势和劣势,选择固定翼型无人机与四旋转翼型无人机或者无人驾驶型直升机进行组合的既经济又高效的巡线方式,然后简要介绍了无人机巡线系统的构成及无人机巡线技术中的关键问题。针对无人机巡检电力线路采集到的图像视频具有复杂的背景,并且由于高空拍摄所导致的机械震荡、镜头的摆动等因素导致的图像有噪声和模糊等问题,通过维纳滤波去噪和用求取概率密度函数来获得最大熵去模糊的复原方式对图像进行预处理,提高图像的清晰度。最后根据复杂电力背景,运用一种基于改进的Canny边缘检测算子实现初步的图像分割,使图像的强弱边缘都能很好的检测,并抑制了噪声。针对电力线路提取中前期图像分割中出现的电力线和背景物体的轮廓同时出现的问题,并根据电力线的特点,提出基于Hough变换和改进的相位编组相互融合的提取算法,使输电线从复杂的电力背景中提取出来。该方法同时拥有了Hough变换与相位编组的各自优点,提高了运算效率和实时性。针对输电线路的自动跟踪,根据现有的跟踪技术和算法,提出了基于无损卡尔曼滤波器(UKF)的Camshaft目标跟踪的跟踪算法,采用无损卡尔曼滤波器(UKF)滤波的方法预测输电线识别的感兴趣区域,并通过Camshaft算法进行搜索窗口的预测以及大小的调整来实时对输电线路进行跟踪,最后本文用MATLAB实现了对跟踪算法的仿真验证。