伴随着电气化铁路的高速发展，接触网几何参数检测技术也日新月异。由于计算机技术的飞速发展，成功地将视觉检测技术引入到高铁巡检设备中。但是在接触网几何参数检测过程中，采集到的视频数据由于各种因素的影响，造成检测结果的不准确。因此，在采用接触网视频检测方法的过程中，研究具有鲁棒性与抗干扰能力强的图像识别方法意义重大。本文在分析接触网视觉检测系统的基础上，对视觉测量几何参数系统中的摄像机标定、原始图像预处理以及图像特征提取等关键技术进行了深入研究。首先，根据接触网参数监测系统的环境，从摄像机标定的基本原理入手，采用共面法对摄像机进行标定。在具体标定过程中，在考虑摄像机镜头畸变的条件下，建立摄像机非线性模型，采用最小二乘法对数据进行处理，求解摄像机参数矩阵。然后，针对摄像头采集到的原始图像存在对比度不高的问题，设计了基于曲波变换接触网图像增强算法。根据曲波变换后图像高频子带和低频子带各自的特点，在低频领域利用分数阶微分进行增强；在高频领域利用曲波尺度系数间的相关性，对高频系数的边缘和噪声进行分类，对分类后的信息进行边缘增强和噪声去除的处理。通过仿真实验，结果表明该方法在主观和客观上对图像对比度都有明显提高。最后，对图像特征中的边缘特征及点特征提取算法进行了研究。在边缘特征提取中利用抗噪性强的SUSAN(Smallest Univalue Segment Assimilating Nucleus,最小核值相似区)边缘检测算子对受电弓和接触线进行边缘检测。针对本系统，对算法进行改进，提高了边缘的检测精度。在点特征提取中，研究在复杂背景下，接触网受电弓和接触线视频图像的特征提取方法。选取SIFT(Scale Invarinat Feature Transform,尺度不变特征变换)特征检测算子进行特征点检测。针对本方法在实时性方面的不足，本文从两个方面对此改进：一是将阈值T加入到计算特征点的最近欧氏距离中，可以避免计算高维的128次差平方；二是通过仿真实验发现特征点数量在第4组时就几乎不再改变，选择恰当的截止组数，从而减少计算量。