基于红外热像图的变电站远程智能监控系统,能够对变电站的电气设备进行同时、连续、实时的在线监控与故障诊断,对异常设备采取停电处理或监视运行等措施,从而保证电力设备的安全运行。在电气设备的运行状态监测中,需要把同组设备相同部位在不同时期检测的结果进行比较,以便掌握设备运行状况及故障隐患的发展变化。然而,系统成像模块在经过一段时间扫描运行后,在预置点处会产生位置上的偏差,以及景深效应产生的透视影响。这些会对后台图像处理造成影响,难以对要检测的对象准确定位,造成漏检和误判。因此应对发生偏差的图像进行配准,消除位置差异和透视影响。本文研究了图像配准的基本框架和常用方法,针对本文图像特点,采用基于特征的图像配准方法。作者首先对传统的基于Harris角点匹配的方法进行了改进,将基于傅里叶变换的相位相关法应用于其中,通过得到图像间的主运动方向,减少了Harris角点匹配时的搜索区域和时间,并能够剔除误匹配点对。实验表明该算法具有一定的适用性和较高的匹配精度。其次,本文将当前图像配准和识别领域的新技术——SIFT算法应用到红外遥视图像的配准中,并将算法中的匹配策略进行改进,使用相位相关法引导匹配,减小了搜索时间;并且通过调整匹配时的比例阈值使匹配的点对控制在5~10以内,提高配准效率。最后本文对两种配准方法在适用性、配准精度和配准时间上进行了详细比较。在适用性方面,基于相位相关和Harris角点匹配的配准方法,有一定的适用性,但存在失配现象,总体正确配准率达到90.9%;基于改进的SIFT算法的配准方法能够正确配准所有图像,正确配准率为100%。在配准精度方面,对于正确配准的图像(除失配图像外),两种方法均能够达到亚像素级,但基于改进的SIFT算法的配准方法的配准精度总体上更高。最后,在配准时间,基于改进SIFT算法的配准方法也更稳定。基于此,本文将基于改进的SIFT算法的配准方法确定为系统的配准算法。