输电线路是电力系统的重要组成部分,其运维质量直接关系到电力系统安全稳定运行。由于输电线路长期遭受自然环境的雨雪侵蚀、雷打电击、外力破坏等侵害,导致输电线路上极易出现导线断股和异物附着这两种常见的异常状况。若不及时消除,势必影响电网的安全稳定运行。目前电力部门大多应用无人机代替人工执行线路巡检任务,通过人工判图的方法分析航拍原始图像,不仅效率低,而且容易出现误判。因此,本文围绕如何运用图像处理技术对输电线路异常状况自动检测问题展开研究。设计基于无人机航拍图像的架空输电线路异常检测方法。主要研究内容如下:在输电线路图像边缘检测方面,针对传统Canny边缘检测算子存在细小边缘提取难度大及人为设定固定阈值耗时过长的问题,本文提出一种基于Canny算子和Edge Drawing（简称ED-Canny）优化的边缘检测算法。为实现图像的去噪处理,设计由中值滤波器和高斯滤波器组成的混合滤波器,并依据滤波模板尺寸与图像平滑效果的关系,修改滤波器的高斯卷积核大小,达到在去噪的同时保留更多图像细节的目的。通过设置权重判定因子参数,对图像进行边界搜索获取锚点,使用智能路由算法顺次连接锚点之间的像素点,达到快速且尽可能完整地提取连续闭合图像边缘的目的,最终完成图像边缘的有效提取。在输电线路图像导线提取方面,针对复杂背景下输电导线提取过程中出现的导线断裂、不连续和伪导线等问题,本文在分析输电线路导线分布特征的基础上,提出最佳相位分区方式和设计伪导线判定准则对传统相位编组算法进行改进。首先利用最佳相位分区方式获得直线支持区域,并把图像中所有像素点进行相位编组及分类。其次利用最小二乘法完成直线段的初步提取。最后利用伪导线判定准则对拟合得到的导线段进行筛选,将符合条件的导线段重新进行拟合。改进后的算法不仅解决提取直线过程中出现的导线断裂、不连续问题,而且避免在提取直线过程中出现的伪导线问题,优化了算法执行效率。在输电线路图像异常检测方面,针对输电线路极易出现导线断股和异物附着这两种常见的异常状况。本文首先设计滑动像素块模型,设置梯度旋转角参数,再通过滑动像素块旋转梯度角的变化定位输电线路异常状况的精确位置。其次设计导线断股模型检测导线断股,设置异常判别的相关参数检测导线上附着的大目标异物,结合投影方法检测导线上附着的小目标异物。最后通过模板匹配的方法减少虚假异物对检测结果带来的干扰。实验结果证明,本文设计的算法能快速精确地实现输电线路异常状况的自动识别。