为了保证变电站运行的安全性和可靠性,对运行中的变电站电气设备进行温度监测和故障检测至关重要。红外检测技术是一种行之有效的热故障检测手段,但是目前故障检测对人员经验依赖程度较大,检测效率较低。自动故障检测则是解决上述问题行之有效的方法,而图像处理是其中重要的一环。因此本文对变电站设备红外图像的去噪和分割进行了研究,并将研究成果应用到变电站设备的热故障检测之中。首先,本文对变电站红外图像的特点和噪声类型进行了分析和总结,并针对几种常用去噪算法的不足,提出了基于自适应加权的选择式掩模算法用于图像的去噪处理,算法能有效地消除高斯噪声和椒盐噪声,适应性较强。然后,在对传统FCM进行图像分割研究的基础上,针对FCM算法对聚类中心敏感,无法自动确定聚类中心等问题,提出了基于遗传算法和灰度直方图优化的模糊图像分割算法,算法较传统FCM算法,鲁棒性较强,且分割效果良好,能够有效的提取目标区域。通过对过热区域、正常区域和背景环境的分离,提取设备温度特征,实现了基于相对温差法的变电站设备自动故障检测算法,实验证明算法对电流致热型设备故障具有良好的检测效果。最后设计并实现了变电站红外检测系统,建立红外图像档案数据库,完成对红外图像的统一管理,并通过自动红外检测和辅助检测工具提高了检测效率。