绝缘子是由陶瓷或者玻璃制成的一种电力器件,亦可在输电线路中起到绝缘、支撑的作用。以前绝缘子多用于在电线杆上,渐渐运用到一些偏远地带的高压输电线路中。玻璃绝缘子在外部环境影响下常产生零值自爆现象。传统上,绝缘子自爆位置检测常采用人工方法,随着无人机技术的发展,现已使用无人机对绝缘子进行巡检。现已有学者用图像处理对绝缘子自爆图像进行检测,但并没有对自动找到自爆绝缘子所在杆塔位置进行研究,如何对绝缘子异常图像进行位置检测并找到其所在杆塔位置成为一项关键问题。无人机根据已规划的路径进行巡航,到达杆塔所在位置,对绝缘子进行定点拍摄,之后将图像进行存储和传输。采用图像处理与无人机相结合的智能方式,来满足绝缘子巡检作业的要求,即对绝缘子图像进行自爆位置检测并最终确定其所在杆塔的位置。主要工作及总结如下:(1)根据无人机飞行特点和巡航要求,设计一四旋翼无人机巡检方案。根据无人机航拍采集的绝缘子图像特征进行预处理,分别进行了图像对比度加强和图像去噪处理。对几种去除噪音算法进行了分析并在实验效果上比较提出最优算法,即基于非下样的双边滤波(NSCT-BF)的混合去噪方法,其去除噪音的效果最佳,能够对图像进行滤波的同时,尽可能的保留目标的边沿信息。(2)对航拍的绝缘子图像进行了分割算法研究。分析了玻璃绝缘子的颜色特性,采取了基于HSI颜色空间转换的分割算法;针对背景复杂颜色特性不明显的绝缘子图像,采取了基于区域和基于边缘的图像分割,并最终得到了最优的分割算法,即改进的Canny算子边沿检测算法。采用自适应的高斯滤波代替传统滤波,然后梯度计算后进行极大值抑制,采用双峰直方图改进阈值,最后得到较佳的分割结果。(3)分析了几种识别算法。对分割后的绝缘子图像进行基于尺度不变特征(SIFT算子)和优化SIFT算子(SURF算子)匹配识别,并采取了仿射变换与SANSAC算法分别进行误匹配消除,实验表明基于仿射变换算法的可以有效的进行消除误匹配,提高识别率,但两种识别方法计算量较大;进而对绝缘子轮廓进行HOG特征提取后运用前馈神经网络(BP)、粒子群优化前馈神经网络(PSO-BP)进行训练,以提高识别率。(4)介绍了一种绝缘子图像自爆位置检测方法并设计绝缘子自爆位置检测软件。对识别后的绝缘子图像分析并建立数学模型,确定绝缘子串的主轴方向、高度和宽度,提取出绝缘子图像中单个绝缘子作为模板。确定图像中绝缘子串所在位置起始点,采用模板与待匹配绝缘子图像直方图进行匹配,实现绝缘子图像自爆位置的检测。通过对航拍绝缘子图像进行图像处理,完成图像上的绝缘子自爆位置的检测,并将其算法移植到软件中,实验结果表明:可以在软件中实现对绝缘子图像自爆位置检测的同时显示出其所在杆塔的标号,帮助工作人员快速找到破损绝缘子所在杆塔进行更换。