红外热成像作为非接触式状态检测技术，已广泛应用于变电设备的检修与故障诊断，能在不中断生产的情况下及时发现变电设备故障，但目前主要采用人工方式对红外图像进行分析和诊断，效率和准确率较低。本文针对变电设备红外图像的目标识别分类等相关技术展开研究，并将研究成果应用到变电设备的热故障诊断之中。本文的主要工作如下：(1)在研究常用图像分割方法的基础上，设计了适用于变电设备红外图像的分割算法，该算法首先使用数学形态运算对设备红外图像进行优化，然后结合最大类间方差法和区域生长法对设备的红外图像进行分割，实验结果表明，该算法应用于变电设备红外图像的分割中，具有良好的效果。(2)针对变电设备红外图像的特点，基于设备的形状特征建立设备分类的特征向量，研究了傅里叶描述子、Hu矩和Zernike矩，分析了它们的不变性和改进算法。并使用BP神经网络构造分类器，通过实际的变电设备红外图像验证了不同的形状特征在构造的分类器中的分类效果。(3)基于以上理论研究结论，结合带电设备应用诊断规范，设计了变电设备故障诊断系统，根据变电设备类别和故障诊断规则，对设备的红外图像进行诊断，获得缺陷等级和故障类型，并给出处理意见。实际应用表明，本文设计的变电设备红外图像分割、设备分类等算法能较好的解决变电设备红外图像自动分析和热故障诊断。