社会经济的蒸蒸日上带动了电力经济的飞速发展,高压输电线路越建越多,且距离长、跨度广,可靠性要求高。利用无人机近距离地拍摄输电线路的关键部件,获取航拍图像,并运用计算机视觉技术对图像进行处理,实现输电线路的自动诊断,这已经成为保障高压输电线路安全的重要手段。其中,高压输电线路的金具锈蚀缺陷检测作为其中的关键检测任务之一至关重要。本文针对航拍图像,提出了一种基于分割的锈蚀区域检测的算法框架。对于不同背景下输电线路的前景目标,分析其图像特征,提出了一种改进的半交互式分割算法;针对一组相似场景的图像利用协同分割方法进行前景提取,并在分割后的前景图像上根据锈蚀特征对彩色图像进行锈蚀检测。实验结果表明,所提出的锈蚀检测算法能够很好地识别输电线路上的锈蚀区域,提高了维护的工作效率。本文的主要工作有:(1)提出了基于GrabCut的半交互式的金具图像分割方法。针对无人机航拍的一组相似场景的图像,我们对其中一张较少地人工标记前背景像素点,构造混合高斯模型,然后遍历组内其他图像的像素值,计算其高斯模型概率,实现前景背景分割。我们收集整理了四千多张高压输电线路图像,将其分为两类:简单背景和复杂背景,并手工标注目标区域Ground Truth,从计算效率和准确率两方面对实验结果进行了评价与分析。我们就简单背景和复杂背景组分别选取了十组相似场景的图像,每组50张图像,在此样本集上进行算法检测,达到了 90%的准确率,每帧图像的处理时间为0.5ms。(2)提出了基于协同分割的金具图像分割方法。为了克服半交互式分割仍需人工交互的缺点,考虑到高压输电线路图像是由无人机环绕拍摄的,同一输电塔之间的图像具有相似性,可以看成是一组连续的视频序列。因此,提出了基于视频协同分割的金具图像分割方法,利用视频间和视频内前景一致性,时间空间连续性,构造出基于目标对象的共同选择图模型。最后对模型进行优化得到最终的分割结果。该方法从能量函数优化的角度进行分割,从而得到精确的自动分割结果。(3)提出了基于分割图像的锈蚀缺陷检测。在图像分割的结果基础上,我们获取了金具目标前景图像,然后从预处理开始将RGB图像模型变换成YCrCb图像模型,分析Cr通道颜色值的变化规律,通过计算获取最佳的分割阈值,从而提取出锈蚀区域。实验中选择了测试样本50张,其中有锈蚀的图像20张,能够正确分辨锈蚀图像并识别锈蚀区域的准确率达到了 88.4%。对比不经过分割直接进行锈蚀缺陷检测的算法准确率提高了 20多个百分点。