输电线路距离长,穿越的地域广阔,而且各地域的气候条件复杂多变,运行时容易发生故障。绝缘子作为输电线路的重要部件,易受运行环境因素影响而发生异常,严重威胁着输电线路的正常运作。图像分割的研究一直受到广泛的重视,但迄今为止没有一个通用的分割方法适用于所有的图像。而且由于输电线路所处位置的特殊性、成像器材的限制以及光照不均等种种原因,实际所采集的输电线路图像大部分背景比较复杂,目标物众多,可能包含房屋、森林、大地、铁塔等,这给提取单一部件带来了很大困难。本文研究了复杂背景下绝缘子图像的分割方法,为进一步的故障诊断奠定了基础。目前而言,针对直升机巡检输电线路图像分割的研究并不多见。作者在阅读大量文献的基础上,针对绝缘子图像的特点,将最大类间方差法(简称Otsu)和遗传算法相结合应用到绝缘子图像的分割中。这样弥补了单纯使用Otsu法分割计算量大,执行效率低的这一缺点。利用遗传算法的寻优高效性,大大缩短了分割时间。遗传算法主要以灰度图像的最大类间方差作为适应度函数。在确定控制参数(群体规模、交叉概率、变异概率)时,本文采用实验法,在设定的可能取值范围内,对每一组数据进行多次试验,在对其实验结果对比分析后选取出最佳的控制参数,使其更适于处理绝缘子图像。但在实验中发现,标准遗传算法也存在一些不足。为了更能满足绝缘子图像分割的实时性要求,本文应用了一种改进遗传算法的绝缘子图像分割方法,它的改进之处在于自适应调整交叉概率和变异概率。本文对分割后的图像进行二值形态学处理,去除了孤立噪声点,Hough变换倾斜校正后,提取绝缘子部件,在原图上定位标识。