模式識別技術是伴隨著計算機的研究、應用日益發展起來的。模式是對某些感興趣的客體的定量的或結構的描述，模式類是具有某些共同特性的模式的集合，模式識別的目的，就是利用機器把待識別模式自動地分配到各自的模式類中去。

廣義的模式識別包括對描述被識別對象的信號的引出、量化、預處理(濾除干擾和噪聲)、特征提取和模式分類。其中模式分類是在前幾步工作的基礎上，把被識別對象歸并分類，確認其為何種模式的過程，其方法大致可分為統計決策法、句法結構法、模糊法、人工神經網絡法四類。對于模式可用特征向量描述的模式識別問題，統計決策法發展得較為成熟，是經典的模式分類法；模糊法和人工神經網絡法正處于研究階段，尤其是神經網絡法以其全局相關的特點引起了廣大研究者的青睞；句法結構法目前對該問題尚不適用。

研究局部放電現象與絕緣缺陷之間的關系，是局部放電模式識別的主要目的。局部放電圖像模式識別，是將一般圖像模式識別的方法引入局部放電模式識別中，從圖像識別的角度來區分局部放電類型。下圖描述了局部放電模式識別的基本過程，可以大致分為數據獲取、預處理、放電模式構造、特征提取和模式分類五個主要部分，由計算機最終完成局部放電模式分類就實現了局部放電模式識別。下面從放電模式構造、特征提取、模式識別三個方面介紹局部放電模式自動識別研究的發展現狀。