针对现有的监测系统缺少有效的目标自动定位手段,本文首先从红外图像特点出发,设计并实现了变压器套管红外智能在线监测系统,并围绕红外图像中绝缘子的定位问题提出了一系列特征构建方法,实现了绝缘子的自动定位。文本主要工作如下:(1)根据现场实际情况,设计并实现了一套变压器套管红外智能在线监测系统,对变压器套管运行状态进行了判别。采集了大量的现场运行图像数据,构建了红外图像绝缘子数据库。(2)重点研究了红外图像绝缘子特征的表达方法,首先研究了基于二进制鲁棒尺度不变特征(Binary Robust Invariant Scalable Keypoints,BRISK)的绝缘子特征构建方法,提出了基于特征向量聚合的BRISK中层特征构建方法,使红外图像绝缘子的特征更具有语义描述能力;以该研究为基础,重点研究了深度学习理论,在绝缘子表达上实现从特征手工设计到特征自动学习的转变。提出了基于深度卷积特征图聚合的红外图像绝缘子识别方法,提取深度卷积特征并进行向量聚合,实现了鲁棒特征表达,提高了绝缘子识别的准确率;深入挖掘了深度网络卷积层中神经元的响应模式,并基于神经元激活模式,提出了基于多尺度多层次深度特征聚合的图像特征表达方法,对深度卷积特征图进行重要度选择,提高了特征的区分度。(3)提出了基于BRISK特征匹配的绝缘设备定位方法,解决了依赖手动定位的问题;为了摆脱该方法对于模板的依赖,也为了获得更高的定位准确率与泛化能力,进而提出了基于BRISK中层特征的多尺度滑动窗绝缘子定位方法,提高了绝缘子定位准确率;利用基于深度卷积特征图聚合的红外图像绝缘子表达方法,结合目标建议进行绝缘子的定位,相对于传统特征,提高了定位精度。(4)充分运用了深度特征强大的泛化与表征能力,提出了基于多区块深度特征的绝缘子表面缺陷分类方法,对正常、破损与裂纹等表面缺陷进行了分类。提出的多区块划分特征提取方法,相比于传统手工特征分类方法,将表面缺陷的分类准确率由91.3737%提高到98.0687%,显著提高了绝缘子表面缺陷的分类准确率。