1.一种基于无人飞行器的接触网故障检测与诊断方法，其步骤为：

1)图像采集：通过无人飞行器携带摄像设备沿接触网拍摄，分别得到可见光和红外光的接触网图像；

2)图像灰度化：将得到的接触网图像进行灰度化处理，得到接触网的灰度图像f(x，y)；

3)图像增强：将接触网的灰度图像f(x，y)用分段线性函数对每个像素进行线性扩展，得到图像中的接触网部件突出后的接触网增强图像g(x，y)；

4)图像分割：计算接触网增强图像g(x，y)和增强图像g(x，y)的4×4领域图像h(x，y)的归一化二维直方图，用设定阈值(t，s)将归一化二维直方图的灰度级分为背景C0、目标C1、边缘及噪声C2和C3四个区域，计算背景C0和目标C1两区域的灰度均值 和* * * *以及总体均值向量 并通过计算分类准则函数得到最佳阈值(t，s)，将最佳阈值(t，s)划分出的目标 区域所对应的接触网增强图像区域取出，作为从复杂背景中分割出接触网部件的分割图像G；

5)图像分解：

对分割图像G进行高斯塔型分解：先将分割图像G作为高斯塔的零层G0，再逐层向上分解，第l(l∈[1，10])层的构造方法是：将l-l层图像Gl-1和一个具有低通特性的窗口函数w(m，n)(m∈[-1，1]，n∈(-1，1))进行卷积，再把卷积结果作隔行隔列的降采样，构造得到分割图像G的高斯塔l层Gl；

将高斯塔l层Gl内插放大，得到尺寸与高斯塔l-1层Gl-1的尺寸相同的放大图像 实现分割图像G由高斯金字塔转变成拉普拉斯金字塔；

6)图像融合：将可见光的拉普拉斯金字塔各层与红外光的拉普拉斯金字塔相应层融合，再对融合后的拉普拉斯金字塔进行图像重构，得到可见光和红外光图像融合后的接触网部件图像；

7)图像识别与故障判断：构造BP神经网络模型，对接触网部件图像进行识别，识别出接触网部件图像上的部件是何种部件，并进而判断出所述部件是否发生故障及其类型。

2.如权利要求1所述的基于无人飞行器的接触网故障检测与诊断方法，其特征是：所述7)步中，识别出接触网部件图像上的部件是承力索时，对承力索是否发生故障及其故障类型进行判断的具体方法是：将承力索图像拟合成抛物线P(x，y)，并求其最低点的曲率半径R，再和标准承力索的最低点的曲率半径R0米比较，即计算Δ＝R-R0；当-0.2≤Δ≤0.2米，则判定承力索没有故障；当Δ＞0.2米且大于时则判定承力索发生故障，故障类型为拉力过大；当Δ＜-0.2米时，也判定承力索发生故障，故障类型则为拉力过小。

3.如权利要求1所述的基于无人飞行器的接触网故障检测与诊断方法，其特征是：所述7)步中，识别出接触网部件图像上的部件是吊弦时，对吊弦是否发生故障及其故障类型进行判断的具体方法是：将吊弦拟合成直线L(x，y)，并计算其斜率δ，当|δ|大于0.08时，则认为吊弦发生故障，故障类型为吊弦倾斜；否则，吊弦未发生倾斜故障。