采用飞行机器人是解决架空电力线路巡检的一种有效方法。飞行机器人能够通过自身携带的视觉传感器系统获得大量架空输电线路的巡检图像。只有在巡检图像中实现自动检测关键目标——电力杆塔,才能完成对海巡检信息的快速处理,为故障点的判定提供可靠的电力杆塔位置信息。因此,本研究面向不同观测背景提出了快速高效的电力杆塔检测算法。本文深入分析了电力杆塔所处环境、图像采集角度、电力杆塔的纹理等特点,并针对两类典型环境展开了电塔检测的方法研究。面向简单背景下的电力杆塔检测问题提出了快速高效启发式聚类算法。本算法将改进的启发式爬山算法应用于谱聚类算法,不仅克服了传统谱聚类算法对中心点依赖性大的缺点,还减少了计算量,提高了计算效率。实验结果表明快速高效启发式聚类算法适用于检测简单背景中的电力杆塔目标且效果显著。然而,复杂背景中纹理相对丰富,采用聚类算法已经无法对待检测区域进行有效分割。为了解决复杂背景中电力杆塔的检测问题,准确检测巡检图像中的电力杆塔,本文采用全局自相似描述子作为电力杆塔特征描述方式,有效刻画了电力杆塔在复杂背景中的独特纹理。为了提高描述子的构造过程中的聚类速度,结合之前提出的快速高效启发式聚类算法加速描述子的特征提取过程,实现了电力杆塔的快速、准确、高效检测。本文以各类包含电塔的真实图像为实验对象,验证了复杂背景中电力杆塔检测方法的准确性、高效性以及空间复杂度低等优点。本文研究的检测方法为自动处理和巡检数据分析奠定了重要基础。通过全自动电力杆塔检测,能够从海量巡检数据中提取获得电力杆塔及杆塔上的附属设备。这样既减轻了巡检图像分析人员的劳动强度,又提高了巡检图像的分析质量和处理速度,从而保障了自主式架空电力线路巡检研究与应用的广泛开展。