1.基于红外图像的配电箱智能检测方法，其特征在于，包括：

获取配电箱的红外图像的灰度图像，获取灰度图像的边缘像素点集合，对灰度图像进行分割得到多个图像块，获取所有图像块的边界像素点集合；

获取边缘像素点集合及边界像素点集合中的目标像素点和第一真实边缘像素点；

获取每个目标像素点的所有相邻图像块，根据每个目标像素点的每个相邻图像块中与该目标像素点灰度值相同的像素点的个数、与该目标像素点灰度值相同的像素点在对应相邻图像块中的位置、对应相邻图像块中像素点的个数得到该目标像素点相邻图像块中灰度值的波动程度；

以每个目标像素点为窗口的中心像素点，获取窗口内的不同方向上与该目标像素点灰度值相同的像素点个数、与该目标像素点灰度值不同的像素点个数，并得到该目标像素点的分布均匀性；

根据每个目标像素点相邻图像块中灰度值的波动程度和对应目标像素点的分布均匀性确定出所有目标像素点中的第二真实边缘像素点，利用第一真实边缘像素点和第二真实边缘像素点对灰度图像进行划分得到目标区域；

根据每个目标区域的灰度共生矩阵的熵，以及该目标区域的灰度均值构建该目标区域的特征向量；

根据每个目标区域的特征向量、在灰度图像中的位置和像素点的个数得到配电箱的异常程度。

2.根据权利要求1所述的基于红外图像的配电箱智能检测方法，其特征在于，目标像素点相邻图像块中灰度值的波动程度是按如下方法确定的：目标像素点每个相邻图像块中灰度值的波动程度的具体表达式为：

式中： 表示目标像素点第 个相邻图像块中灰度值的波动程度； 表示目标像素点的第 个相邻图像块中，与该目标像素点灰度值相同像素点的个数； 表示目标像素点的第个相邻图像块中，第 个与该目标像素点灰度值相同像素点到该目标像素点的欧式距离；

表示目标像素点的第 个相邻图像块中像素点的个数，为自然常数；

利用目标像素点相邻图像块中灰度值的波动程度的具体表达式，计算该目标像素点在每个相邻图像块中的波动程度，并将该目标像素点在每个相邻图像块中的波动程度的方差作为该目标像素点相邻图像块中灰度值的波动程度。

3.根据权利要求1所述的基于红外图像的配电箱智能检测方法，其特征在于，目标像素点的分布均匀性的具体表达式为：式中： 表示第 个目标像素点的分布均匀性；表示方向的个数； 表示以第个目标像素点为中心的窗口内，第 个方向上与第 个目标像素点灰度值相同的像素点个数； 表示以第 个目标像素点为中心的窗口内，第 个方向上与第 个目标像素点灰度值不同的像素点个数； 表示 的指数函数。

4.根据权利要求1所述的基于红外图像的配电箱智能检测方法，其特征在于，第二真实边缘像素点是按如下方法确定的：设置调和参数；以每个目标像素点相邻图像块中灰度值的波动程度作为分子，以每个目标像素点的分布均匀性与调和参数的和，作为分母；将分子分母的比值作为对应目标像素点为第二真实边缘像素点的可信度；

设置可信度阈值；将每个目标像素点为第二真实边缘像素点的可信度与可信度阈值进行比较，当该目标像素点为第二真实边缘像素点的可信度大于可信度阈值时，该目标像素点为第二真实边缘像素点。

5.根据权利要求1所述的基于红外图像的配电箱智能检测方法，其特征在于，得到配电箱的异常程度的方法是：将所有目标区域中像素点个数最多的目标区域，作为正常区域；将除正常区域外的其他目标区域作为疑似异常区域；

获取正常区域的特征向量和每个疑似异常区域的特征向量之间的欧式距离，并进行累加得到累加和；

将所有疑似异常区域中像素点的总个数与累加和的乘积作为配电箱的异常程度。

6.根据权利要求1所述的基于红外图像的配电箱智能检测方法，其特征在于，得到灰度图像中的目标像素点和第一真实边缘像素点的方法是：获取边缘像素点集合和边界像素点集合的交集；

将交集中的像素点作为灰度图像中的第一真实边缘像素点，将边缘像素点集合和边界像素点集合中，除所述交集中的像素点外的其余像素点作为目标像素点。

7.根据权利要求1所述的基于红外图像的配电箱智能检测方法，其特征在于，利用超像素分割对灰度图像进行分割，得到多个图像块。