随着生活用电和工业用电的不断增长,电力设备所承载的负荷也在不断增长,实时监测各类电力设备,及时发现电力设备故障是保障电力系统正常稳定运行的前提。目前我国电力设备监测多采用仪器监测,通过监测设备运行参数获取运行信息。监测技术正逐渐向非接触、便捷式、多功能和智能化方向发展。红外检测作为一种较成熟的技术手段,能够实现在不断电、不接触情况下,通过实时反馈电力设备温度分布红外图像获取设备的运行状态。同时,红外图像对温度变化反应的灵敏度高,能够及时发现温度异常,实现对电力设备故障的提前预警,避免造成严重损失。通过红外图像目标提取获得的电力设备运行特征可以为智能判断和决策提供依据,开展本课题研究具有理论意义和实际价值。本文通过分析不同运行状态下电力设备红外图像所呈现的特征,提出三种基于免疫算法的电力设备红外图像目标提取方法,以实现电力设备红外图像中有效目标的自动获取。主要的研究内容如下:(1)提出了一种最优可免域补体免疫网络红外目标提取算法。解决了温度分布不均匀、故障区域和故障预警区域距离较近的电力设备红外图像目标提取问题。通过设计补体免疫分类器提取不同故障状态电力设备的类别特征,实现对目标区域的准确提取。(2)提出了一种补体免疫网络红外图像数据分类算法。解决了故障区域不明显、目标特征不清晰的电力设备红外图像目标提取问题。通过希尔伯特变换,在泛函空间内获取图像相对位置特征,以欧氏距离作为目标区域训练范围,实现对红外图像目标区域的准确提取。(3)提出一种补体免疫聚类目标提取算法。解决了电力设备红外检测中,存在背景复杂,痕迹重叠而难以有效提取目标电力设备问题。算法建立多个电力设备模板图像库,通过模板与图像的匹配度来确定目标区域的轮廓和位置。对图像进行k-means聚类处理重新确定聚类中心,完成对目标区域图像的提取。采用定性分析和定量分析相结合的方法对所提免疫算法实验结果分析验证,并与阈值法、分水岭算法等图像目标提取算法进行验证比较,实验结果证明所提免疫算法分割效果最佳。通过真阳率、假阳率、Dice系数和准确率等指标,进一步证实文中所提免疫算法的有效性、准确性。