自从进入21世纪以来，我国的电网规模和电压等级不断扩大和提高。如果输电线路中存在零值绝缘子，相当于部分绝缘被短路，那就会增加绝缘子的闪络概率，严重威胁到输电网络的安全，导致局部电网崩溃和瘫痪，给国家的工农业和人民造成严重的影响。因此，零值绝缘子的准确检测就变得十分重要了。随着红外技术不断的成熟发展，红外热像技术被广泛应用于电力设备的故障检测中，成为零值绝缘子检测的重要方法之一。本文就重点对红外热像检测零值绝缘子的图像处理关键技术进行了研究。针对红外绝缘子图像中脉冲噪声的特点，提出一种新的去噪方法。首先利用脉冲耦合神经网络（PCNN）来检测脉冲噪声点的位置，而保持非噪声点不变。然后根据脉冲噪声的特点，估计图像的噪声强度，自适应选择滤波窗口大小。对于噪声像素处理，先去除滤波窗口中最大和最小灰度值的像素，再求取剩余像素的相似度并计算出权值，采用加权滤波算法处理噪声点。由图像处理结果可知该方法具有优秀的去噪性能，提高了图像的信嗓比，在去噪的同时保证了图像细节的完整。为了最大限度地把含零值的绝缘子串从整个图像中分割出来，本文在基于脉冲耦合神经网络的基础上，对去噪后的图像进行循环点火。在每次点火后取得点火图像，通过对类间方差和类内方差的计算，当这两者的比值最大时就终止循环点火，此时的点火次数就是最佳迭代次数，得到的最终图像分割效果是最佳的。实验表明，对于正常的绝缘子红外图像和含零值绝缘子的红外图像，本文的方法都可以进行完整和有效的分割，且分割效果明显，有良好的性能。为后续的零值绝缘子的特征提取和准确识别提供了保证。综上所述，本文解决了绝缘子红外图像处理的图像去噪、图像分割的关键技术问题，提高了图像的去噪和分割性能，为后续的零值绝缘子的识别奠定了基础。