目前我国针对高铁沿线设备的巡检主要采用人工巡检和轨检车巡检两种方式。现有的统计数据和巡检数据表明钢轨和接触网支持设备缺陷对铁路运行安全影响较为重大。然而,现有的两类巡检方式普遍存在着夜间巡检条件差、巡检频率低、受综合维修天窗约束、检查区域窄等问题。而且,现有缺陷检测系统依然存在图像理解能力差、自动化分析能力差、缺陷识别过分依赖人工辅助等问题。因此,为克服以上问题,本文针对钢轨和接触网支持设备,提出了高铁沿线典型设备的无人机图像智能缺陷检测方法,并解决了无人机室外巡检中常遇到的雾霾问题,最终完善巡检手段、提升巡检效率、提高现有检测系统的智能水平。本文主要工作如下:（1）针对无人机室外巡检过程中遇到的雾霾问题,提出了一种端到端的图像去雾网络,重点研究了网络结构和损失函数两个关键问题。一方面,利用残差网络和级联网络结构充分提取了特征图像中的语义信息,并在不同的尺度上显著的增加了网络深度。另一方面,该网络引入了结构相似性指标损失函数项来保留更多的结构信息,从而恢复清晰图像。最后通过广泛的实验对比证明该方法的先进性。（2）针对无人机铁路图像中高显著、高纵横比的钢轨表面分割,提出了一种轨道边缘引导...