近年来随着计算机技术及图像处理技术的不断发展，电力线系统的智能化监控技术已日益成熟。此时，基于图像处理及智能模式识别技术的电力线实时监测系统的概念应运而生。　　本文首先提出了电力线实时监测系统的总体设计方案，图像数据采集完成后进行电力线所处天气环境识别，在确定降雪环境的情况下进入电力线覆雪监测系统。经过本文提到的一系列处理，最后计算得到覆雪厚度，在电力专家的指导下确定分类阈值，实现实时预警。　　对于基本天气现象识别的研究，本文通过建立双色大气散射模型以获得向量夹角值，并以此夹角值作为分类特征值。另外，本文除了用向量夹角值作为判定天气现象的特征值外还辅助以图像的纹理特征（包括能量，熵，惯性矩），提高了分类识别准确率。对于分类器，本文选用的是基于支持向量机的分类方法。　　在覆雪监测系统中的图像增强方面，本文采用基于遗传算法(GA)的图像模糊增强处理。对于模糊增强过程中的非线性变换，本文在现有两层非线性变换的基础上进行创新，实现四层非线性变换。为了实现模糊参数的最优选取，引进遗传算法，利用遗传算法的全局寻优能力来实现模糊增强算法中模糊参数的自动选取。同时选用图像模糊熵作为遗传算法的适应度函数，本文在传统二维模糊熵的基础上加入对比度信息，取得了理想的增强效果。　　在覆雪监测系统中的图像分割方面，为了尽量减少覆雪图像复杂背景带来的分割误差，本文采用基于遗传算法的二维双阈值最大类间方差法，将单阈值扩展到双阈值，增加图像分割的精度。利用遗传算法的全局寻优能力来实现分割阈值的自动选取，很大程度上提高了分割的效率。　　在覆雪监测系统中的轮廓跟踪方面，本文采用八邻域坐标形式的搜索算子，根据当前点的位置判断下一点的搜索方向，避免了多次搜索的麻烦，提高搜索效率。在完成搜索后，用不同的颜色标记搜索到的轮廓区域，这样可以避免进入死循环，实现完整搜索。为了符合提取覆雪厚度的要求，本文在区域填充时忽略轮廓的内边界，填充区域按外边界轮廓选择。实验结果表明本文的改进方法取得了很好的效果。