随着计算机技术迅猛的发展，数字图像分析技术已经被广泛应用于农业、医学以及军事等领域，尤其在驾驶机械中采用的图像识别系统，诸如在直升机的线检测预警系统中，出于飞行安全的考虑，对电力线检测的准确性就有很高的要求，相对于人眼的识别能力，通过计算机对图像的分析数据加以处理，能够在消耗极短的时间内得出更加科学的结果,而在这个线检测的过程中主要有以下两个工作需要完成,分别是对电力线的测距和在复杂背景下对电力线的检测识别。由于主要针对的是电力线的检测，因此本文的主要内容就是围绕电力线的检测识别和电力线测距而展开。基于此，本文主要进行了以下工作：1.本文提出了一种求取散焦模糊图像中点扩散函数的算法以进行散焦测距，其方法是利用高斯函数模型的点扩散函数对散焦模糊图像进行维纳滤波复原，在这其中，提出了一种估计点扩散函数中模糊参数值的方法，即分层法。然后对复原的图像进行清晰度评价，根据评价结果，得到评价函数值最大时的图像所对应的模糊参数值，从而得到最接近于实际的点扩散函数，为测距工作奠定基础。经实验，验证了在针对以电力线为主要目标的图像复原中，该方法是可行的。2.对目前在自动调焦过程中应用较多的几种清晰度评价函数进行了比较，由于本课题的特殊要求，主要是针对电力线的检测，因此在讨论传统方法的基础上，本文又提出了一种新的清晰度评价方法，即面积法，经实验，验证了该方法的可行性。3.本文提出了一种基于梯度算子的线检测算法，首先是对图像进行灰度图转化，然后利用sobel算子对其进行线检测,通过线检测模版求出各个像素的梯度值，从而得出图像的灰度直方图以及梯度向量直方图，最后运用matlab实验仿真，验证了本算法的可行性，并具有较好的抗干扰性和定位准确性,得到的图像分析数据更为完整、细节更为明显。