直升机巡检输电线路图像背景复杂多变,目标物众多,给边缘检测和后续的识别诊断带来很大困难。本文结合实际项目的应用需求,以直升机巡检输电线路图像为实验数据,针对直升机巡检输电线路图像的上述特点,研究了多种图像边缘检测技术。在此基础上重点研究了Canny最优化边缘检测理论,并对传统Canny算法在具体应用时的两个缺点做出了改进。Canny算法优于其他经典的边缘检测算法,在图像背景比较复杂的情况下也能取得良好的边缘检测效果,适合背景复杂的图像边缘检测。传统Canny边缘检测算法使用高斯滤波器对原始图像进行平滑滤波,而高斯滤波器的空间尺度参数σ需要人为设定并且固定不变。人为设定的尺度参数σ很难满足兼顾平滑噪声和保护边缘细节的要求。针对上述缺陷,本文提出了一种自适应高斯滤波器来替代固定尺度的高斯滤波器；对图像的不同区域用不同尺度的模板进行高斯滤波,比用单一尺度的高斯滤波器效果要好。传统Canny边缘检测算法中高、低阈值的选取不是由图像边缘特征来决定的,而是需要人为设定的,不具有自适应性,自动化程度低。针对上述缺陷,本文提出了一种自适应阈值选取方法；该方法根据梯度幅值直方图建立一个近似高斯分布的离散概率模型,然后根据此离散概率模型来计算阈值。该方法计算简单,选取的阈值大小适中,是一种实用的自适应阈值选择方法。本文通过实验对传统的Canny算法和本文提出的自适应Canny算法的边缘检测效果进行对比和分析。实验结果表明改进的方法能有效的提高Canny算法的检测效果和自适应性。输电线路图像的边缘检测能够为后续的部件识别和故障诊断提供依据,对提高直升机巡检的智能化水平有着重要意义。