输电线路覆冰和异物附着是威胁输电线路安全的两个重要因素,需要对其做出准确的识别判断。针对现有的输电线路覆冰和异物检测方法精确度差、智能化水平低、抗干扰能力不足等缺陷,本文基于智能视频图像处理技术提出了新的覆冰和异物检测方法,重在提高算法的适应性和精确度,实现输电线异常在线监测。本文结合无人机巡检视野下拍摄的输电线路图像特点,基于智能视频图像处理技术,围绕输电线路图像前期处理、图像覆冰厚度识别和图像异物检测三个方面进行了研究。针对输电线路图像特点,研究了适合输电线路图像预处理的常用滤波和对比度增强方法,分析了几种方法的优缺点,据此提出了基于颜色空间变量的图像分类处理、基于小波分析的线性边缘对比度增强等新算法;提出了一种基于双目视差图像的输电线覆冰厚度辨识方法,利用前景物体和背景物体在视差图像中的灰度值差异进行前背景分离,并提出了二值化阈值选取方法,通过分水岭算法和数学形态学提取覆冰轮廓,根据图像中相同列区间范围内覆冰轮廓包含像素数量与未覆冰轮廓包含像素数量的比值求取实际覆冰厚度,实现覆冰厚度精确计算;提出了一种基于模板匹配与光流法的无人机图像输电线路异物检测方法,结合灰度形态学提出了一种可以大量滤除图像背景的输电线边缘检测方法,提出在特定拍摄模式下和摄像机有不同距离的景物在图像中对应像素点的运动速度不同的概念,结合模板匹配和光流法确定异物的位置,通过特征追踪实现异物的精确识别。本文研究了输电线路图像预处理方法,提出了图像分类处理方法、新的边缘对比度增强算法,覆冰厚度识别算法和异物识别算法,可以精确有效的实现输电线路覆冰厚度识别和异物检测,为输电线路故障智能化监测提供了新的理论基础和技术手段,进一步完善了电力系统的智能化监测体系,促进了智能电网建设的进程。