世界各地的电力电网都在急速发展,这给电网的安全维护工作带来越来越大的挑战。很久以来,对电网的巡查任务大多依靠人工来完成,该方法不但效率低且无法实施对于冰雪天气中或地形复杂地区的电力线的巡检。随着无人机技术的发展,将其应用到电力线巡线当中已经是大势所趋。本文就是在基于无人机视觉的电力线巡线基础上,研究对拍摄到的图像中的电力线进行自动提取的方法。主要研究的内容包括:a)由于拍摄到电力线图像中存在各种干扰,因此本文首先研究图像预处理方法,使用直方图均衡化方法增强图像,并采用三种滤波器对图像进行滤波去噪。在此基础上,研究了五种经典的边缘检测算法,及基于数学形态学、Ratio及小波边缘检测方法,通过效果比较,综合运行时间得出基于数学形态学的边缘检测方法及小波边缘检测方法比较适合本文后续的研究。b)在分析了直线提取发展过程后,着重研究了相位编组法、Radon变换法及Hough变换法,并将其运用于电力线的自动提取中,经过对实验结果的分析得到单纯使用任意一种方法提取出来的电力线都无法达到满意度。介于Hough变换法具有很好的抗噪性及鲁棒性,本文提出了基于Hough变换的方向小波变换、基于Hough变换的Radon变换及基于Hough变换的形态学三种改进方法。从实验效果来看,这三种方法从电力线提取的准确度到完整性上都有极大的改善,且在运行时间上也有不同程度的缩短。c)在电力线的拍摄过程中,会受其他物体的遮挡使其本身就不是一条完整的直线,再加上由于重力的原因,电力线不是严格的直线而是带有弧度的近似直线,因此提取出来的电力线存在断裂的情况。本文对此进行深入研究,分析了最小二乘拟合电力线方法、基于Hough变换的电力线拟合连接方法及基于类卡尔曼滤波的电力线跟踪连接方法,实验结果表明经过拟合连接处理后使得提取出来的电力线更加完整。