电力线维护工作在实际生产生活中越来越重要,无人机电力线巡检已经慢慢取代人工巡检,此举不但效率高,而且可以在复杂环境中开展工作,因此对无人机电力线图像的处理工作也就愈发重要。在基于对电力线特征分析的基础上,提出通过优化Canny边缘检测并结合Hough变换的方式完成对复杂背景图像中的电力线快速提取。主要研究内容为:（1）对电力线在无人机图像中呈现的特征进行归纳总结;对无人机图像数据进行预处理,包括使用加权平均值法对图像灰度化,利用直方图均衡化以增强电力线特征,运用NLM算法在对图像良好去噪的同时保持图像边缘细节,为后期的边缘检测及直线提取工作打下基础。（2）首先对五种经典边缘检测算子的边缘检测方法的原理分别进行阐述,分别分析其优缺点,鉴于Canny算子的优势,提出结合K-means聚类与改进Canny算子的边缘检测方法进行边缘检测工作,其次选取不同背景及高度的无人机电力线图像进行边缘检测,最后对实验结果进行对比分析。实验结果表明优化的边缘检测方法不仅去除了图像中的大部分复杂背景,且对电力线的边缘检测效果甚好,为后期直线提取减少工作量的同时提高了精度。（3）分析了常用的直线提取方法的原理及优缺点,鉴于Hough变换具有较好的抗噪性及鲁棒性,提出基于形态学的Hough变换进行电力线提取,提取结果并与传统Hough变换及过已知点Hough变换的提取结果进行对比。实验结果表明,在基于优化后的边缘检测后,上述三种直线提取方法的实验结果均有效的识别出图像中的电力线,但是传统Hough变换用时较久;过已知点的Hough变换虽然在保证识别效果的基础上缩短了一定的运行时间,但在面对电力线像素较窄时会出现一定的偏差;基于形态学的Hough变换运行时间最短且提取效果最好。