输电线巡检可以发现线路中存在的安全隐患,避免重大电力事故的发生,对电力系统的正常运行起着重要作用。直升机巡检输电线是国家智能电网的重要组成部分,可以降低传统人工巡检输电线的工作量,提高巡线效率和准确率。随着计算机视觉技术的快速发展,使工作人员从对海量航空输电线图像的人工判读任务中解放出来成为可能,各种用于输电线图像处理的技术应运而生。边缘检测技术是一种重要的图像处理技术,一方面,边缘检测技术的研究具有重要的理论意义,它对边缘检测理论是一种有益的补充。另一方面,边缘检测技术的研究对提高直升机巡线的智能化水平有着重要的现实意义。准确高效的输电线部件边缘提取大大降低后续任务处理的难度,为线路部件识别和缺陷诊断提供可靠的依据。由于航空输电线图像存在着复杂的自然背景,表现为输电线和背景之间对比度较低、存在大量噪声、伪目标和一定程度的纹理不一致性等问题,使得现有的边缘检测算法很难获得满意的结果。本课题以航空输电线图像为重点研究对象,在对传统边缘检测算法进行深入研究的基础上,创新性地提出了如下四种边缘检测算法。1.传统边缘检测算法大多只利用灰度梯度作为图像的边缘特征,在处理具有复杂背景的航空输电线图像时容易漏检弱边缘,对噪声有较差的抑制能力。针对此问题,通过对大量输电线纹理特征的分析发现,输电线部件和背景之间存在明显的纹理差异,基于此,构造了基于纹理特征差异的边缘检测算子来确定输电线候选边缘点。然后,借鉴传统边缘检测算法的步骤,即阈值去噪和边缘连接,提出一种基于纹理特征的边缘检测算法(SWIFTS算法)。实验结果表明,和Ratio算法相比,SWIFTS算法可以更完整地提取输电线部件边缘,更有效地保留输电线断股处边缘的弯曲信息,具有更强的抑制噪声的能力。2.噪声抑制能力和边缘定位精度是Canny边缘检测算法中的一对矛盾,在处理具有复杂背景的航空输电线图像时这对矛盾尤为突出。Canny算法利用高斯函数来近似Canny三准则下的最优离散边缘检测模板,通过尺度参数σ来调节这一对矛盾,但是这对矛盾仍然存在。为了更好地平衡这对矛盾,本文将修正的r密度函数作为边缘检测核函数,同时引入边缘保持参数ε,使得这一对矛盾可以相互独立地进行调节。结合对输电线图像纹理特征的分析,论文提出一种基于纹理特征和r分布的边缘检测算法(TGA算法)。理论分析以及一维信号上的实验表明,对于给定的抑制噪声的能力,本文算法具有更高的边缘定位精度；在复杂背景的航空输电线图像上,本文算法取得了较好的边缘检测结果。3.TDAC主动轮廓模型在检测纹理目标边缘时易陷入局部极小值、对初始轮廓的位置较为敏感以及基于梯度下降流的数字最小化方法会降低曲线的收敛速度、增加算法的时间复杂度。本文充分利用图像的纹理信息,在全局最小主动轮廓的框架下提出一种基于主成分分析(PCA)优化纹理特征的全局最小主动轮廓模型(PCA-GMTD模型)。该模型首先用GLCIA算法快速地计算灰度共生矩阵,提取目标的纹理特征,将提取的纹理特征聚类为强纹理特征和弱纹特征理两类,然后用PCA有选择地优化弱纹理特征,将优化结果中的前几个主成分和第一类强纹理特征相结合形成最终的特征空间。最终的纹理特征空间既能保证有较强的纹理区分能力,又能保证有足够多的纹理特征数量,可以有效地区分低对比度纹理目标。实验结果证明,PCA-GMTD模型在处理具有低对比度、强噪声的复杂航空绝缘子图像时能够获得较理想的边缘检测结果,与ACWE模型、TDAC模型和FGMAC模型相比,具有较高的边缘检测精度和较快的收敛速度。4.Xie提出的主动轮廓模型在检测纹理不一致目标的边缘时,同一纹理目标不同纹理区域容易被检测出不同的边缘的问题。针对这一问题,本文首先用半局部算子提取图像的纹理特征,然后利用轮廓线内外纹理特征分布的差异来构造能量函数,用以驱动轮廓线的演化。最后,在GMAC框架下提出基于半局部纹理特征分布的全局最小主动轮廓模型(STD-GMAC模型)。模型最小化求解时采用变分对偶规则技术,使得该模型能够快速收敛到全局极小值。与Xie模型的实验比较表明,STD-GMAC模型更好地解决了不一致纹理目标的边缘检测问题,避免陷入局部极小值,在自然图像和绝缘子图像实验中获得了较满意的边缘检测结果。