随着全球能源互联网概念的提出,现代电力工业正在朝着全新的能源模式目标推进,如今我国已基本实现电网全覆盖。在电网中诸多故障是由电力设备故障引起的,因此预防、检测、排障,确保电网安全稳定运行和精准可靠维护变得举足轻重。红外热成像技术作为一种有效无损故障检测技术,凭借其强适应性、非接触性以及良好的经济性能,已被广泛应用于设备的监测诊断中。通过对电力设备热辐射图像处理并进行温度监测,可以检测分析出设备内部外部隐患,并快速对故障点进行定位定性诊断。本文以减少检查方式对人工经验的依赖性为落脚点,为使监测诊断更智能化,构建出基于红外图像处理的设备特征提取及监测诊断系统,为实现电力检测从计划检修向状态检修阶段的转变奠定基础。文章首先叙述了红外基本理论知识,分析总结了红外热成像的相关定理及公式。然后,针对设备红外图像存在噪声的特性,将采集的设备红外图像进行灰度化和直方图均衡化的增强处理。针对几种常用滤波算法在椒盐噪声和高斯噪声下的不足,本文选择了基于小波半软阈值的去噪方法,此方法能有效地抑制噪声并改善图像质量。随后,对图像进行分割处理,介绍了常见的几种边缘检测算子分割法以及Otsu分割法。针对红外图像低对比度、低信噪比的特点,提出了一种改进型PCNN分割法。通过对比分析说明了改进PCNN分割法效果更佳。此外,设备红外图像特征提取识别方法的选择直接影响检测诊断的准确性。因此本文详细讨论了Hu不变矩和Zernike不变矩理论,来解决获取红外图像时可能出现的图像旋转、缩放和平移现象。由于Zernike矩能够构造任意高阶矩,所以很容易进行统计分类并做出准确的判断。为使特征识别具有更好的不变性,本文提出改进Zernike不变矩,通过实验证明本文给出的方法具有更好的适应性和识别率。基于上述算法理论的研究成果,结合设备热故障等级和故障诊断规则,本文给出了系统的总体功能结构。此外,选取表面温度法和相对温差法作为电力设备故障诊断方法,设计并实现了一个基于红外图像处理的设备特征提取及监测诊断系统。随着传感器、计算机、网络通信等技术的发展,先进的仪器设备可以通过网络连接实时交换数据信息,并建立相关数据信息库。在图像采集、处理、存储等方面利用数据库对测量数据进行智能分析,这有利于减少传统维护成本,提高电力产业经济效益,为电力系统长久高效运行提供更多保障。