随着智能电网和电力系统自动化的发展,计算机视觉技术越来越多地应用在电力设备的智能巡检和在线监测中。输电线路中的关键部件(绝缘子、输电杆塔、输电线等)是故障频发元件,绝缘子自爆、破损、异物等故障,输电杆塔鸟巢、异物等故障,输电线断股、异物、雷击闪络等故障严重威胁着输电线路的安全可靠运行。因此,定期监测输电线路关键部件状况,及时发现故障至关重要。通过对输电线路巡检采集的图像数据进行分析处理,从而发现输电线路故障已成为近几年的研究热点。本文主要围绕航拍图像中绝缘子、输电杆塔、输电线的识别及绝缘子自爆故障、输电杆塔鸟巢故障、输电线异物搭挂故障的检测进行研究,论文的主要内容如下:首先,提出了一种基于显著性检测与形态学的绝缘子识别及自爆故障检测方法。利用融合多特征的显著性算法定位绝缘子;对绝缘子定位结果区域进行OTSU二值分割提取绝缘子细节,然后进行形态学处理,实现自爆故障检测。其次,提出一种融合角点、直线、颜色和形状特征的输电杆塔识别和杆塔中鸟巢检测方法。通过LSD线段检测和Harris角点检测方法分别提取图像中的直线段和角点,通过融合处理和形态学处理后实现输电杆塔初定位结果,然后通过提取HOG特征训练SVM分类器实现输电杆塔的终定位。对于输电杆塔中的鸟巢故障,采用融合颜色特征、形状特征实现准确检测。随后,提出一种基于直线检测和平行性的输电线提取和异物搭挂检测方法。通过hough直线检测和平行性判定提取输电线,基于不变矩特征和adaboost算法在输电线区域检测是否存在搭挂的异物。最后,对本文工作进行了总结,并指出了需要进一步开展的研究工作。