随着输电线路直升机巡检技术的应用和智能电网建设的逐步推进,电力线缺陷的自动检测越来越受到学者的关注。钢芯铝绞线作为我国长距离电力输配的主要材料,受风力、覆冰、温度等环境因素的影响,易产生局部疲劳损伤,最终引起局部断股。因此,输电线断股缺陷的自动检测的研究已具有十分重要的现实意义。本文是围绕如何利用图像处理和识别技术来检测输电线路中导线断股缺陷的问题展开的研究。首先,针对输电线图像的背景复杂、随机噪声多等特点,对输电线图像进行预处理操作。设计了基于分段线性灰度变换的图像增强方法、基于超限像素平滑法的图像去噪方法和基于改进的Sobel算子的输电线边缘检测方法,分别对输电线图像进行图像增强、去噪和边缘检测处理,有效的增强了图像中输电线的对比度、消除了随机噪声,进而使得输电线图像具有较好的边缘检测效果。然后,基于几种常用的直线检测方法的特点,设计了一种基于梯度方向信息的随机Hough变换和区域增长相结合的直线的提取算法,该方法有效的解决了随机Hough变换的易产生虚假直线的缺点,提高了直线提取的效率和正确率。并在此基础,基于输电线的两个假设：像素点灰度较低和输电导线为一条较长的直线(通常情况下是成立的),对输电线进行识别。最后,本文设计了一种基于目标模式匹配的输电线断股缺陷的检测和识别方法,并设计了断股缺陷点处的交叉点结构模板。实验证明本文设计的输电线断股检测方法能较好的检测出输电线路的断股缺陷,并且具有抗噪性强、运行时间短的优点。