文献综述
1. 课题背景
近年来，随着我国国民经济的不断发展进步，老百姓在日常生产生活中，对电力的需求量也在逐年上升，电力设备出现故障的几率也在大大增加。与此同时，我国科技技术不断地更新换代，使得电力设备故障的种类越来越多，形式也越来越复杂。但目前电力设备的检测方式主要是人工检测，检修人员凭借自己多年的工作经验来对故障进行诊断。一般情况下，这种单纯的依靠检修人员的听、看、闻以及摸等感觉的检测方式，不能及时发现设备故障并排除，造成电力设备的损坏和国家财产损失。在此背景之下，为了能对电网进行更加安全可靠的检测，提出了一种基于红外热象图的检测方法，其关键技术在于图像的处理。目前常见的对电网红外热象图的处理方式主要有滤波去噪、切割变换、局部增强、特征提取等[1-5]。
2. 课题研究的现状及发展趋势
目前国内外学者已经对电网红外热象图的处理做过了诸多研究，在红外图像预处理方面，文章[6]对基于MATLAB数字图像处理环境的红外图像去噪方法进行了研究，认为红外图像的不同噪声应使用不同的算法进行分析处理，如平均值滤波、中值滤波、多图像平均均值去噪算法、低通滤波和小波变换等。最后，通过对比分析这些针对不同噪声的算法和他们各自的特点，找到了一种合适有效的输电线路故障红外图像去噪算法。在特征提取方面，文章[7]提出了基于方差分析的红外热像特征选择方法。利用直方图均衡化增强原始热像图对比度，人工截取绝缘子盘面图像区域；通过平滑后的图像直方图包络线提取分割阈值，对阈值分割后的二值图像进行形态学滤波，得到绝缘子盘面图像和背景图像，提取二者的最高温度、最低温度、平均温度、温度分布方差以及盘面相对于背景的最大温升和平均温升共10个红外热像特征；应用单因素方差分析甄别特征优劣实现特征选择。文章[8]对采集到的红外图像进行去噪、增强、分割、特征提取等处理，通过均衡化处理实现图像的增强，通过小波包阈值算法实现图像的去噪，通过Canny算子边缘检测实现图像的分割，通过基于改进型Hu不变矩的特征提取实现图像的识别，各步骤所选用的方法及算法对红外图像的处理都得到了较好的效果。
在未来的一段时间里，本课题所研究的内容的发展趋势主要有：
（1）图像中干扰项因素的排除。由于野外环境复杂，所拍摄的图片常常存在很多干扰因素，如树木、房屋以及天气的影响，因此，要实现故障点的准确定位，首先就要把干扰项进行排除[9-12]。
（2）故障点的准确定位。三维空间定位成为主流研究方向[12-15]。
（3）红外图像的拍摄处理一体化。实现重点电网的实时监测，并自动拍摄红外图像，传输至计算机并进行处理，实现远程诊断和网络化跟踪[16-18]。
（4）建立图像处理信息数据库，结合大数据技术，及时全面的判断电力设备故障类型[19-20]。
