随着社会的发展,我国电力事业取得了巨大的进步,人们对用电可靠性的要求越来越高。为了保证电网的安全稳定运行,充分响应国家建设安全智能电网的号召,提高红外诊断的精细化水平与智能化水平十分重要。手持式红外测温仪在电力巡检中的优点十分明显,使用过程中与电力设备无接触,成本低,操作简单。针对电力设备精细化诊断的要求,本文进行电力设备红外图像的温度校正与缺陷诊断研究,提高手持式红外测温仪的测温精度,提高红外诊断的可靠性,提升红外精细化诊断水平,可以大大减小红外诊断工作量,减轻红外巡检人员的负担,进一步提高设备运行的可靠性。论文主要研究内容如下:（1）为了进行设备智能化识别与诊断,建立了一套电力设备红外图库（包含12种常见电力设备共15087张图像）。为了保护原图像信息,提高标注效率,本章开发了一款标注软件,完成所有图像中设备类型及局部结构的标注。此外进行了红外图像先验知识分析,并重点研究了拍摄距离及辐射率对成像温度带来的影响。（2）为了提高手持式红外热像仪的测温精度,本文分别通过距离及辐射率这两个影响因素对成像温度进行校正。提出一种改进的SSD算法实现红外图像中设备类型以及局部结构的识别。针对拍摄距离的自动识别,本文提出了一种基于目标像素宽度识别的电力设备红外成像单目测距改进算法。针对辐射率的自动识别,本文通过识别到设备的局部结构后自动查表得到。（3）为了建立本文的温度校正模型,研究了拍摄距离及辐射率与成像温度之间的数学关系,实验表明校正模型可以提高成像温度的精度。针对同一热图谱因局部参数不同可能导致的图像割裂等问题,本文基于大津法及图像处理进行设备区域分割,建立设备或局部结构区域的温度校正掩模,仅对设备区域温度进行校正。（4）研究了电力设备的缺陷诊断机理,分析现有缺陷诊断方法的不足之处。研究了电力设备缺陷部位的红外图像特征,发现梯度特征可以反映设备的缺陷部位。为了突出缺陷部位的梯度特征,削弱干扰信息梯度的影响,提出了一种基于设备区域的MD-HOG算法,以设备区域平均温度填充背景温度后再进行特征提取,最后结合SVM分类器实现设备的缺陷诊断。