在电气化铁路接触网系统中,接触线通过吊弦悬挂在承力索上,组成接触悬挂。吊弦在改善接触线的弛度和弹性的同时,还起到提高接触线工作质量的作用。而吊弦的长时间受力,可能会造成吊弦下坠,导致结构高度超出允许范围,产生燃弧现象。而目前对于吊弦的批量更换和检测完全依靠人力,耗时费力、效率低而且人工测量的精度和安全性都缺乏保障。因此,本文以高铁线路接触网为研究对象,针对无人机巡检采集的吊弦图像进行结构高度的非接触测量的方法研究。本文首先考虑接触网沿线环境的复杂性,使用深度学习算法检测提取出目标吊弦区域,制成吊弦基准样本库。针对由于无人机相机焦距、飞行高度、飞手操纵手法等参数变化造成的图像存在如尺度、视角等变化问题,提出一种基于改进高斯金字塔和双阈值FAST算法的ORB算法,对巡检图像与对应编号基准图像进行特征匹配;接着使用RANSAC算法优化匹配,提高匹配正确率,将吊弦上下交点作为关键点进行匹配定位,根据单应性矩阵计算定位误差,误差超出允许范围则进行二次巡检,测量吊弦结构高度后更新样本库,实现了吊弦的样本状态实时检测。其次,考虑到无人机在天窗期巡检得到的图像亮度较低的问题,提出一种基于Retinex的低照度融合增强算法。首先使用Gamma变换对图像的V背景分量进行增强,并将其引入到Retinex算法中;接着使用快速自适应双边滤波对增强图像进行滤波处理,以求保存图像更多细节信息;最后,结合拉普拉斯金字塔分解和改进的Retinex算法形成融合增强算法,并与多个传统算法的增强效果对比,通过主客观评价,验证了本文所提算法的有效性。针对吊弦处结构高度非接触测量问题,本文根据吊弦结构特点,采用基于改进双阈值的Canny算子,以实现更好地测量效果。首先对于传统Canny算子,采用快速自适应双边滤波对目标吊弦图像进行平滑处理,采用最大类间方差法自适应选择高、低阈值,解决人工选择阈值灵活性差的问题,经过对比实验验证了改进Canny算子的有效性;最后依据单目视觉测量原理,利用标准件尺寸标定,分别将承力索直径、接触线直径视作标尺,完成结构高度的机器视觉测量;经过与人工测量的大量数据进行误差分析后显示,测量数据精度满足要求,算法具有较好的实用性。最后,根据结构高度测量方法,基于Python语言开发了一套接触网结构高度非接触测量软件。该软件界面设计合理,操作简单,可实现视频降帧、目标检测、距离测量等功能,具有一定的实用性。本文研究内容也在一定程度上推进了接触网巡检的无人化、高效化进程。