接触网支持及悬挂装置担负着支撑接触网的重要任务,其装置状态的好坏影响着整个悬挂系统的稳定性,从而影响接触线的性能,故障时可能导致接触线与受电弓不能良好接触,影响受流质量。目前,接触网支持悬挂装置的状态检测以人工检测为主,效率很低；已有的智能化检测也都集中于受电弓识别定位,滑板磨耗超限以及接触网参数检测等。接触网支持悬挂装置的不良状态导致接触网存在安全隐患,因此有必要研究其实时、智能化的检测方法。本文以接触网支持及悬挂装置图像为检测对象,应用图像处理技术,提出了基于图像处理的接触网支持及悬挂装置不良状态检测方法,实现系统中绝缘子和旋转双耳的状态检测。首先对待检测的接触网悬挂装置图像进行预处理；然后利用基于特征的图像匹配方法实现待检测目标的识别与提取；最后分别对提取的绝缘子、旋转双耳局部图像进行分析处理,实现对其状态的检测。在目标图像识别中,文章分别应用仿射不变矩、SIFT、SURF算法实现了对绝缘子和旋转双耳的目标识别,并且对识别效果进行比较分析,最后得出对于接触网支持悬挂装置图像中的绝缘子、旋转双耳目标识别,SURF特征检测方法的综合性能最优。在绝缘子状态检测中,首先对绝缘子局部图像进行角度校正、膨胀运算、对比度调节等预处理；然后应用灰度统计极小值、灰度统计条带宽度为绝缘子状态检测判据,实现绝缘子片缺失、夹杂异物等状态的自动识别与定位；最后对两种不同判据的识别效果进行比较分析,得出灰度统计极小值判据更具稳定性和通用性。在旋转双耳状态检测中,首先应用Hough变换圆、矩形检测对旋转双耳局部图像进行耳片状态检测区域的精确定位；然后利用耳片局部区域的灰度方差实现耳片表面状态的初识别；最后在初识别基础上,对表面有裂纹特征的耳片进行进一步检测,以其上边界弯曲度与正常双耳上边界弯曲度的差分值为检测判据,最终实现耳片断裂、耳片裂纹两种状态的准确识别。实验在MATLAB环境下,通过编程实现了绝缘子、旋转双耳的识别与状态检测算法,并用所选算法对不同角度、曝光度的图片进行分析、处理。实验结果表明：基于SURF特征检测的目标识别、基于灰度统计极小值的绝缘子状态检测和基于灰度方差与上边界弯曲度差分值相结合的旋转双耳状态检测都取得了良好的效果,具有较高的精度和速度。综合运用这些方法,即可实现对接触网支持悬挂装置中绝缘子和旋转双耳的目标识别与状态检测。