近年来,随着我国高速铁路的逐渐普及,铁路的安全运行受到了越来越多的关注。要保证行车安全,必须及时排除潜在的安全隐患,铁路沿线接触网设备存在的安全隐患只能通过巡视的手段进行排除,因传统的人工巡检方式,效率低、周期长、检测成本高,已经不能满足要求,采用图像处理技术的智能巡检方式开始受到重视。接触网智能巡检装置安装在列车司机室,在列车行进中完成图像采集,并在线实现对接触网设备的智能识别定位,以及异常状态检测,不但可以解放人力,还能够更及时的发现安全隐患,对高速铁路的运行安全具有重大意义。本文的研究工作是按照6C系统中的接触网安全巡检装置的技术规范来展开的,本文算法以接触网巡检图像为实验数据,利用图像处理的手段实现对巡检图像内的设备及异常状态智能识别,通过实验测试也论证了本文所提算法的有效性。本文的主要工作及创新内容包括以下几个方面：在巡检图像预处理阶段,首先研究了采用MSRCR算法对存在雾气影响的图像进行去雾操作；接着,提出了采用Radon算法对接触网巡检图像进行倾角检测,应用仿射变换实现图像的水平校正,通过测试该算法具有较好的适用性。在接触网支柱检测中,研究了采用检测铁轨灭点的方式对图像进行区域划分,减少干扰,提高检测速度；然后,研究了采用分析布置点阵光流值的方法实现对巡检图像运动前景内接触网支柱区域的提取；最后,提出了采用广义Hough变换的思想对提取的接触网设备结构特征进行整合,实现接触网支柱设备的识别。在接触网鸟巢异常的检测中,提出了基于HOG特征的鸟巢检测算法,首先对疑似鸟巢的样本区域进行粗提取,并提取HOG特征,再通过SVM分类器对样本进行分类筛选,通过分析鸟巢样本的分布自动确定出鸟巢区域。最后,对不同地域的多条线路巡检图像进行了实验测试。本文算法具有较好的适用性,得到了理想的识别率,证实本文算法具有一定的工程应用价值。