架空输电线路的覆冰监测一直是保障电网安全运行的重要课题。2008年和2018年的两次严重冰冻灾害天气给全国的架空输电线路带来了严重的覆冰灾害,主要原因之一是由于架空输电线路缺少有效的监测手段。现有的机器视觉检测方法受到雾霾天气、边缘检测精度和测量精度的影响,检测效果不佳。针对这些问题,本文设计了基于机器视觉架空输电线路的覆冰检测软件。本文主要的研究内容和创新点如下:(1)介绍了一种基于大气光值改进的图像增强算法。该算法结合雾天退化模型以及对于环境光与大气光值的快速估计实现了图像快速去雾。该算法保证了去雾效果,同时提高了算法的实时性。实验结果表明,基于大气光值改进的图像去雾方法相较于全局直方图均衡化的方法恢复的边缘信息更多,时间复杂度更低。(2)提出了一种覆冰导线边缘检测和定位的方法。该方法利用Candy算子和八邻域边缘跟踪算法定位了覆冰导线其中一条边缘,然后采用最小二乘法和垂直相交法拟合出覆冰导线的另外一条边缘,最后利用摄像机的成像原理和覆冰隆突情况的判断计算出覆冰直径。实验表明,Candy算子和八邻域边缘跟踪算法对于覆冰导线边缘的检测和定位的准确率更高,鲁棒性更强,时间复杂度更低。(3)给出了一种融合局部二值模式(LBP)和灰度共生矩阵(GLCM)的方法提取覆冰的纹理特征。该方法首先通过等价模式的LBP算子得到LBP图像和LBP特征谱,然后通过扫描LBP特征谱得到不同方向的灰度共生矩阵,接着计算灰度共生矩阵的特征值得到纹理特征向量,最后将纹理特征向量输入到支持向量机(SVM)模型中得到覆冰类型。实验结果表明,利用该方法提取的特征向量,SVM覆冰识别准确率高达90%以上。本系统软件对雾霾天气覆冰图像的边缘检测与定位的准确率有明显提高,同时具有较高覆冰分类的准确率。本软件系统对于覆冰监测有良好的应用价值。