在电网系统里,变电站是接受电能并将电能进行升压降压、再将电能进行分配的场所,是电网结构中至关重要的一环。变电设备对于变电站日常电压变换与电能输送起到了不可或缺的作用,一旦变电设备在其日常工作中出现故障,会直接影响人民的日常用电需求。因此,变电设备的故障检测显得尤其重要,相比于传统的巡检热故障检测率低且较为依赖巡检人员工作经验,红外检测方法具有无损耗、零接触、不依赖人工的优势。为响应国家电网提出的智慧电网目标的建设,保障人民电业的稳定运行。本文从变电设备红外图像出发,根据红外图像特点对图像进行数字化处理,提取不同的电力设备形状特征,然后对设备进行识别,并从红外图像中提取设备热点温度值,通过国家规定的相对温差法使设备热故障的诊断实现热故障可视化,达到智能化的同时提高日常巡检效率。本文主要研究内容如下:（1）针对电力设备红外图像在成像中易受椒盐、高斯噪声干扰,影响后续热故障诊断的问题,探讨了几类常用的图像降噪算法,并依次对带有椒盐、高斯噪点的红外图像进行降噪处理,并对比各算法处理后的图像PSNR降噪指标,根据最优效果选用小波阈值降噪法作为本文的降噪算法。（2）针对电力设备红外图像背景复杂、易受噪声影响导致后续热故障诊断不精确的问题,提出了结合二维Otsu和区域生长法的电力设备红外图像分割法。首先通过对红外图像使用霍夫直线变换,剔除了多余接线的同时对图像进行灰度化处理,然后遍历图像生成阈值直方图,寻找像素与其邻域灰度最小差值,以此作为种子像素点,最后通过二维Otsu阈值作为生长准则,并不断生长,直到达到生长触发截止条件,以此提取出目标区域。并通过像素精准度（PA）与区域一致性（IOU）作为评价函数,可以看出本文方法在复杂环境和保障电力设备自身特征的情况下提升了目标设备分割精准度,可以得到精准度更高,特征完整的目标设备。（3）针对电力设备红外图像目标识别问题,依据电力设备红外图像的特点选取Zernike不变矩描述设备形状特征,并对图像做变形处理以验证不变矩的稳定性,再对比不同电力设备的不变矩特征验证Zernike矩作为图像特征的合理性。在此基础上,针对SVM难以应对多分类问题,采用基于AdaBoost算法思想改进SVM,以SVM中的RBF函数形成弱分类器,最后集成为一个强分类器,并根据误分率更新权重,以此达到识别的效果。在识别前将特征数据归一化并选取最优核函数参数,并在电力设备红外图像数据集上进行验证,对4类典型电力设备进行分类。根据实验结果得出以下结论:提出方法对原始测试样本、噪声干扰样本和部分缺失样本的识别性能均优于其他对比方法,有效提升了整体的识别性能。（4）以《带电设备红外诊断应用规范》为热故障判断依据,首先说明了热故障的判断方法及热故障等级与应对方式,根据本文数据选取相对温差法对设备进行诊断,然后对如何从设备红外图像中获取最值环境参照物温度进行了说明,设计了诊断软件,对变电站常见的高压套管、隔离开关、悬式绝缘子进行了热故障诊断,最后根据诊断结果给出应对方式,验证了本文设计软件对于电力设备的巡检是达到预期的。