我国高压输电通道一般架设在野外或者地势险峻的山上,这对输电通道的检修造成了很大的阻碍。随着无人机航拍技术的发展,越来越多的无人机被投入到输电通道的检修当中。但由于输电杆塔间距较长,搭载在无人机上的高清摄像机受焦距限制,难以采集到完整的输电通道图像,且受输电通道周围环境的影响,无人机采集到的图像往往角度,亮度有较大差异,很难达到线路巡检的要求。为了获取完整输电通道图像,可以采用图像拼接的方法。通过检测拼接后的输电通道全景图得到外损信息,即省去了大量的人力物力,保证巡检人员的安全,也提高了巡检的速度,保障输电通道的安全运行。本文主要研究了针对输电通道航拍图像的拼接融合算法,研究了针对拼接完成后输电通道图线的外损检测方案。具体研究内容如下:(1)介绍了图像拼接的基本流程,研究了图像预处理相关技术;针对无人机采集图片的特点,介绍了几何校正的原理和过程;针对航拍图像易受周围环境影响的特点,结合输电通道航拍图像拼接的要求,对比分析了几种常见预处理方法的优缺点,挑选出适合本课题的图像预处理方法,通过算法仿真,验证了本章预处理算法的可行性。(2)针对现有特征检测算法在输电通道航拍图像应用上的不足,通过分析比较现有算法的优缺点,以及本课题中采集到的图像特性,提出了一种基于显著图的FAST算法。结合对比分析几种算法在有无显著图情况下仿真的速度,验证了该算法具有时效性高等优点。(3)针对输电通道巡检对时效性的要求,引入了一种RANSAC优化算法(渐进一致采样法)。通过对比分析现有融合算法的不足,结合最佳缝合线算法,提出了一种改进的加权平均融合算法。结合实验对比分析该算法与传统算法的可行性,验证了所提改进的加权平均融合算法的优越性。(4)针对传统深度学习算法中模型存在较高误差率的缺陷,提出了一种改进的深度学习模型,该模型能够准确的检测出输电通道航拍图像内出现的大型施工车辆。结合对比传统模型的检测数据,证明改进的深度学习模型正确率较高。