随着电力工业的迅速发展,电网容量和电压等级也随之不断提高,为了保证供电的可靠性和安全性,对运行中电气设备的温度进行监视并自动进行故障诊断显得尤为重要。目前,国外已将红外技术广泛应用于电力设备检测,但是国内仍普遍采用手持红外热像仪的方式对电力设备进行巡检,效率低下,易出现漏检误检情况。针对传统的检测手段的不足,本文设计了一种基于红外热成像技术的变电设备故障检测系统,对电气设备运行状态进行监测,保证供电可靠性。主要工作如下:(1)首先分析了干扰红外成像的噪声,对比均值滤波、中值滤波和变换域滤波效果,发现传统滤波方式会导致去噪图像模糊、边缘信息丢失。在此前提下,提出使用非下采样Contourlet变化进行滤波处理,通过对比软阈值、硬阈值以及折中阈值的优缺点,提出使用改进的自适应阈值判断非下采样Contourlet变换系数值。并借助MATLAB进行仿真分析,从理论上验证了非下采样Contourlet变换进行去噪的可行性。(2)在分析图像分割原理以及评判标准的基础上,提出了基于脉冲耦合神经网络的图像分割方法,对比传统脉冲耦合神经网络参数复杂,难以确定的缺点,使用简化的脉冲耦合神经网络作为分割算法,并结合交叉熵设定迭代次数,改进链接系数矩阵和调制耦合系数,进行了实验仿真。实验结果显示,改进后的算法可以将图像中的发热部分分割出来,提高了检测精度。(3)根据变电站电力设备红外图像的特点,采用Zernike不变矩进行特征提取。对同一图像的旋转、镜像、缩小的变形提取不变矩,实验结果表明Zernike不变矩具有很好的不变性。在识别的基础上,分析了电力设备的故障类型,设计了故障诊断规则,并结合提取红外图像中的温度信息,设计了基于温度评估的故障诊断系统。