近几年来,图像处理技术发展迅猛,为了保障变电站中电气设备能够安全高效的运行,将图像处理技术与红外测温技术引入电气设备故障自动检测这一领域,使得变电站的日常运行和维护向着自动诊断的方向发展。电气设备故障自动检测技术不仅可以大大降低对日常巡检人员的经验以及专业知识的要求,还可以减少热故障给变电站带来的损失。图像分割是整套体系中承上启下的重要环节,为理解、识别目标状态提供了有力的支持。在此背景下,本文针对变电站电气设备红外图像的去噪以及分割进行了研究,并将其运用到电气设备的自动故障检测中。本文介绍了红外图像的基本成像原理并在此基础上分析了红外图像中可能存在的噪声类型及其对应的产生原因。在此基础上,通过分析几种传统的图像去噪方法,提出了一种自适应掩模的图像去噪算法,与传统的掩模算法相比,本文将各邻域像素与中心像素的相似程度考虑在内,通过引入基于相似度的自适应权值来调节各邻域像素对中心像素的影响,从而达到改良滤波效果的目的。通过Matlab平台仿真,并与其他传统算法进行对比实验,实验结果证明,本文的算法不论是针对高斯噪声还是椒盐噪声,都具有良好的去噪能力,鲁棒性强,适用范围广。针对变电站电气设备红外图像的分割问题,本文提出了一个双层框架,该框架将图像分割分成了两个步骤。第一个步骤中,考虑到非均质像素的特殊性,通过基于非均质测度的采样方式对原始图像进行采样,并采用切比雪夫分解策略将多目标问题分解为多个单目标子问题,然后利用进化算法获得一个基于各子问题最优解的权衡解及其对应的权重向量。第二个步骤是利用上一步中的权衡解以及权重向量来进行图像分割。通过参数实验设定好最佳参数后,针对500kV电感出线接头以及220kV的变压箱,将该框架与其他算法进行对比实验,结果证明针对复杂背景,本文算法能够取得一个良好的分割效果。最后,本文将以上工作与相对温差法进行结合,设计了一套针对变电站电气设备的自动故障检测系统。通过对500kV电感出线接头以及220kV的变压箱进行实验,本文故障检测结果与实际一致,说明本系统具有良好的检测效果。