随着国家电网的不断完善,输电线路覆盖的面积越来越大,输电线路巡检任务更加艰巨。传统的人工巡检输电线受到地形、环境等影响,在巡检工作中效率低下、花费高、技术人员劳动强度大。随着无人机应用的衍生,无人机巡检开始逐步替代传统人工巡检,使用无人机对输电线路巡检有效地提高了巡检工作的效率且操作简捷。然而在无人机搭载光学相机对输电线路巡检的过程中,会产生大量的航拍图像,如果单一的采用人工对获取的图像进行判断,耗费大量精力且效果差。因此,如何提高无人机巡检的精度和效率已成为目前研究的热点。为解决以上研究问题,进一步减轻工作人员劳动强度并提高巡检精度,本文基于无人机航拍图像,提出一种基于二维变分模态分解算法（2D-VMD）的输电线提取方法和一种基于输电线中心线的异物提取方法,对输电线的提取和异物检测进行深入研究。本文的主要研究成果及结论如下:（1）根据归纳总结输电线在无人机图像中的特点,针对图像灰度化、图像去噪处理方法进行对比研究,优选出最适用于输电线无人机图像的灰度化算法与去噪算法对图像进行预处理。通过各类图像灰度化算法和各类图像滤波算法之间的实验对比,发现加权平均值法能够很好的将图像灰度化的同时更符合人眼的敏感度,自适应中值滤波能够很好的处理图像中的噪声,并保留图像中的细节。因此选择加权平均值法和自适应中值滤波算法对图像进行预处理工作,为后期提取输电线打下良好的基础。（2）针对复杂背景下输电线提取问题,提出一种基于2D-VMD的输电线提取的新方法,首先采用2D-VMD算法与Roberts算法识别图像中输电线,然后利用基于形态学的Hough变换完成对输电线的提取。在输电线识别的实验中,利用基于2D-VMD的Roberts算法与Roberts算法、Canny算法识别结果进行对比,发现基于2D-VMD的Roberts算法提取的输电线边缘图像清晰,且弱化了背景噪声,证明使用了2D-VMD算法的情况下输电线识别效果显著。还探究传统Hough变换与基于形态学的Hough变换提取输电线的差异,实验发现基于形态学的Hough变换在运行速度上远快于传统Hough变换算法。最后与其它输电线提取方法在复杂背景下的输电线提取效果对比,结果表明本文方法优于其它提取方法,具有较强的鲁棒性和抗噪性。（3）针对输电线上异物附着问题,本文提出一种基于输电线中心线的异物检测方法。首先获取异物兴趣区域,然后使用Sauvola局部分割结合最小二乘算法对输电线图像中输电线的中心线准确提取,并设计了判定方法用以提取输电线上的显著异物点和相似异物点,最后用种子区域生长算法完成异物范围的确定。在提取异物的实验过程中,分析了RCF网络模型对异物轮廓的检测效果,并与Canny算法检测效果进行了对比,实验证明RCF网络模型识别出的异物轮廓边缘更有利于异物的提取。还探究了本文提出的输电线异物检测方法的可行性,利用50张不同的异物图像进行统计分析,其识别成功率为90%。本文提出的基于2D-VMD的输电线提取方法与基于输电线中心线的异物检测方法对于无人机航拍图像中输电线的提取与异物识别具有一定的可行性。为无人机对输电线路智能检测系统提供了理论基础,帮助进一步完善电力系统智能化检测体系,促进无人机巡检向智能化方向发展。