图像分割就是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程,它是由图像处理到图像分析的一个关键步骤,在图像工程中占有非常重要的位置,并且已在诸如计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。基于红外测温的智能监控系统,本文重点对图像分割算法进行了研究。由于热像仪得到的是灰度图像,而人眼对彩色分辨能力是灰度图像的几十倍,因此,有必要对红外灰度图像进行伪彩。由于红外图像的灰度变化范围较窄，分布不均匀,常常集中在几个区域。而传统彩虹码是依据固定阈值将灰度值映射到RGB颜色值,造成伪彩色图像颜色分布不均匀,层次感差。针对这个问题,本文将多阈值方法应用于伪彩显示。并基于本系统对伪彩算法的速度有较高需求,提出一种基于快速Otsu方法和等色差原理的红外图像伪彩增强算法。将算法应用到监控系统后运行结果表明：算法处理后,图像色彩丰富、人眼分辨率高,轮廓清晰并且满足了系统实时显示要求。传统FCM图像算法需要人为指定聚类数目,而算法对聚类数目敏感,不同的聚类数目图像分割效果差别很大。针对这个问题,本文提出基于灰度直方图的自适应FCM图像分割算法。算法首先根据图像的灰度图信息,按照一定条件筛选出独立峰值。将独立峰值数目作为初始聚类数目。用一种聚类有效性指标函数评价聚类结果的优劣。把使函数取得极小值的聚类数目作为最佳聚类数目。在对变压器红外图像分割实验表明：算法能够确定最佳聚类数目,以最佳聚类数目进行FCM聚类得到的分割图像故障部位清晰可辨。设备不同部位,对其关注程度不同。一些重要的部位或者容易出现故障的部位,会单独区分出来设立ROI(感兴趣区域)。目前在监控系统中,这些区域是操作人员通过鼠标在红外图像画面上点击区域的轮廓点,以这些轮廓点来构造多种ROI区域。由操作人员确定目标轮廓容易带来ROI区域划分的不准确,造成温度分析结果误差较大。针对这个问题,本文提出基于GPB算子的ROI轮廓区域提取算法。实验表明,算法处理得到的轮廓边界清晰闭合,工作人员可以准确设置具有复杂轮廓的ROI。