对于现代电网企业,数据是其宝贵的资产和财富。但数据的一致性、准确性和及时性等质量问题已成为当前电网企业广泛面临的主要矛盾之一。同时,数据维护工作量大,数据维护的技术手段也需要与时俱进地发展和进步。用于电网信息化、智能化的各类原始数据信息大都蕴含在各类设计图纸资料中。将图像识别技术和计算机视觉技术应用于电网数据采集和维护工作中,研究智能化的数据维护技术手段,对于提升数据维护的质量、减轻现场人员的工作强度,具有十分重要的现实意义。本文首先分析了预处理算法对电网图资图像的预处理效果,结合图像的特点,选择中值滤波与均值滤波结合法对图像进行滤波。使用Laplace算子缓解电网图资图像中滤波引起的模糊效应,突出电气设备符号的细节和特征。利用二值化阈值分割算法以及数学形态学理论擦除图像中的横竖连接线,分割出各电气设备符号的图像分别构成训练样本和测试样本。特征提取和图像识别作为电网图资智能识别技术的关键,其算法的选择对识别的准确率有直接影响。采用Hu不变矩和Zernike不变矩理论,分别提取电网图资中电气设备训练样本的各阶矩特征值,并输入到SVM中进行训练,根据训练所得参数设计电气设备的分类器。提取待识别的电气设备图像的特征向量,与模板库中样本进行匹配,采用投票法对待识别的电气设备进行分类,得到基于支持向量机的图像识别结果。通过仿真实验,基于上述两种算法提取的特征值进行训练后所得分类器的识别准确率偏低。为使电网图资中电气设备在分类识别时具有更好的不变性,本文提出改进Zernike矩算法,该算法在将映射到单位圆内的电气设备的形状进行归一化处理后,提取其特征值,并利用电气设备的0阶几何矩对特征值进行归一化处理。通过实验结果对比,改进Zernike矩所提取的电气设备的旋转图像和缩放图像与原图像间的特征值偏差减小。基于改进Zernike矩提取的各阶特征值输入SVM进行训练所得分类器,对测试样本有较好的识别效果,识别率准确率达80%以上。本文运用MATLAB编程实现电网图资图像的预处理、特征提取、支持向量机的训练以及分类识别等功能,并应用于现场实际的图纸资料。结果表明,本文研究的有关电网图资智能识别技术的算法和软件系统,其识别准确率较高,最终研究的成果具有较高的实际应用价值。