电力设备的无缺陷运行对保障电力系统的安全运行至关重要。目前,图像处理和计算机视觉技术的大力发展,使得输电线路在线监测系统、无人值守变电站远程视频监控系统得到了实现,把图像处理技术引入日常巡检工作为电力设备巡检信息处理提供了实时性和高效性。由于图像成像过程中会受到较多因素的影响,最终导致图像质量严重下降,其中包括了噪声、传感器以及成像设备之间的相对运动等影响因素。如何利用图像处理技术从被拍摄影像中精确地复原退化电力设备图像(如导线、绝缘子等),为后续检测识别缺陷提供支持,成为图像处理的关键。目前,图像复原和图像识别的方法有很多种,典型的图像复原技术有维纳滤波、图像盲复原等,图像分割有边缘检测技术和聚类分析技术。本文分析了图像退化的成因,并且对退化模型及点扩散函数展开了阐释与分析,论文使用经典的复原算法对图像进行了恢复,但是成像范围外的边缘信息并未被卷积关系牵涉进来,因而在复原时由于缺少这些信息而在图像边缘处产生截断现象,这就产生了振铃效应。针对经典抑制振铃效应的算法会产生大量干扰纹的现象,本文提出了一种改进的循环边界法——基于高斯平滑的全边缘延拓法,这种方法结合了一阶、二阶上的平滑滤波以及经典循环边界法的优点,并针对图像强边缘这一特性以及复原图像出现干扰纹进行了改进。为了从复杂背景中较为准确地提取出目标图像,本文使用K-均值聚类算法、分水岭分割算法以及基于遗传算法的阈值分割算法对测试图像进行了仿真,使用均值聚类算法存在过分割现象。为避免过分割现象,利用形态学梯度重建对分水岭算法进行了优化,该方法对提取图像轮廓边缘具有很好的效果,但是在复杂背景下提取特定目标往往并不明显。由于传统的基于遗传算法的阈值分割算法收敛速度较慢,同时阈值选取不准确,都会给最后的分割结果带来影响,所以改进了基于遗传算法的最大熵阈值分割算法,该方法将免疫进化算法与遗传算法相结合,对经典的猴王遗传算法进行了改进,融合了免疫算法的优点,使得进化的早、中期对最优解附近的解空间寻优力度进一步加大,与此同时,解空间外附近区域的搜索也能够同时兼顾,能够有效避免陷入局部最优;而在进化后期,局部搜索能力会随着发展不断提高,并且能够通过最高精确程度逐步逼近于全局最优解。算法结果表明,该方法在自动选取阈值方面具有很好的效果,且收敛速度快,能较好地从背景中将目标图像分离出来,为后续的电力设备故障诊断与检测提供了良好的基础。