我国地域广袤、地理环境复杂,而输电线路常年暴露于自然环境中。随着人民生活水平的不断提高,输电线路上会更加频繁的悬挂风筝、塑料袋、气球等异物。输电线路悬挂异物会缩短放电距离,对输电线路下活动的人们、车辆等造成威胁。目前通过无人机进行巡线已然成为热点,但无人机拍摄的图片是通过人工复检发现是否有异物的存在,效率很低、误检漏检率高。针对这一问题,本课题应用图像处理技术和机器视觉技术展开研究且有效地解决了这一问题。本课题研究的主要内容为:1.分析了无人机在输电线路巡检中的应用现状,分析了输电线路提取及异物检测研究的现状,总结了输电线电路提取和异物检测的各种方法。2.针对无人机图像光照和存在噪声影响的问题,研究了图像灰度化、直方图均衡化、中值滤波等算法对图像的这些问题进行有效处理。3.针对异物存在下输电线路的提取问题,设计了异物存在下的输电线路提取算法:对图像进行预处理之后,采用迭代阈值法对图像进行分割,用数学形态学结合连通区域管理去除分割后背景的影响,最后采用概率Hough变换进行直线提取,并通过实验验证了其有效性。4.针对输电线路异物检测问题,通过总结异物在输电线路图像中的特征,设计了异物检测的算法:提取出输电线基础上,通过寻找轮廓和根据异物轮廓特征对异物进行检测,并通过实验验证了该方法的有效性。5.通过MFC结合Open CV设计开发了输电线路异物自动检测软件,对输电线路的提取进行了显示,对是否检测到异物进行显示,提高了无人机图片检测效率、降低了误检漏检的概率。