随着智能电网时代的到来，传统的人工线路巡检方式费时费力，危险性较高，已经逐步被自动检测技术所取代。针对输电线路中的绝缘子利用图像融合技术进行故障检测展开研究。通过不同的传感器获得绝缘子的红外图像以及可见光图像，利用图像融合技术将不同信息进行融合，根据融合图像对绝缘子缺陷进行分析。论文研究内容如下所示。
　　首先，对于绝缘子的检测现状进行分析，提出利用图像融合方法进行绝缘子缺陷检测。图像融合理论进行系统研究，包括图像融合层次、方法以及评价标准。重点研究了像素级图像融合的四类方法为空间域、多尺度变换、稀疏表示以及神经网络方法，各有优缺点，其中多尺度变换方法融合效果较好，因此拟采用多尺度变换方法进行图像融合。
　　其次，研究非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)和非下采样剪切波变换(Nonsubsampled Shearlet Transform,NSST)两种多尺度变换算法，NSCT是由非下采样金字塔滤波器组以及方向滤波器组两部分组成，NSST是由非下采样金字塔滤波器组以及剪切波滤波器组两部分组成。
　　研究子带图像的融合规则，采用二维模态分解对FT算法进行改进，通过改进的FT算法提取到的显著性特征计算低频图像的局部区域匹配度，若匹配度较高，采用加权平均法进行融合，若匹配度较低，采用灰度值取大法融合；采用改进空间频率(Modified Spatial Frequency,MSF)作为脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的输入，改进拉普拉斯能量和(Modified Sum of Laplacian energy,MSLP)作为PCNN的链接强度，采用自适应的PCNN计算高频图像像素点的点火频率，根据点火频率确定融合系数。
　　缺陷绝缘子的红外图像以及可见光图像进行采集和处理，对图像融合过程中的参数进行设置，并利用四种融合方法进行对比实验，包括加权平均法、小波变换法、NSCT变换法、NSST变换法。通过评价标准进行评价，并得出结论基于NSST变换方法融合效果较好，计算速度较快。最后根据融合图像特征对绝缘子中的缺陷种类进行判断，并分析不同缺陷类型检测的准确率。