随着智能变电站的发展,对变电设备的状态监测要求进一步提高。红外图像中含有丰富的热目标信息,但是清晰度和对比度较差；可见光图像则可以清晰的反映背景信息。因此,将变电设备的红外和可见光图像融合可大大提高热故障定位的准确度。本文研究了图像融合算法,提出并改进了现有的融合规则。完成了某500kV变电站设备的红外和可见光图像融合,并对融合结果进行了主客观评价。由于小波变换在图像处理中的不足和多尺度几何分析在这一领域的优势,研究了基于CT变换(Contourlet Transform, CT)的图像融合算法,系数的融合规则选择简单的加权平均和模极大值。实验结果表明,基于CT变换的融合结果优于基于小波变换的结果,反映出CT变换对图像信息的表征能力。针对CT变换由于下采样操作可能导致的频谱重叠现象,研究了基于NSCT变换(Nonsubsampled Contourlet Transform, NSCT)的图像融合算法。同时改进了基于单个像素点的融合规则,对低频系数选取基于窗口能量的融合规则,对高频系数选取基于窗口方差的融合规则,通过实验证实融合效果得到了提高。重点研究了基于CT域HMT模型的融合算法,提出了一种基于CT域HMT(Hidden Markov Tree, HMT)模型和边缘检测相结合的图像融合算法。鉴于高频系数中含有丰富的边缘信息,研究了基于边缘检测的融合规则,利用Canny算子对源图像分解得到的高频系数进行边缘检测,选取可能的边缘特征点作为融合系数。实验结果说明本文提出的融合算法能够很好地提取源图像中的有用信息,融合图像失真较小,几种客观评价指标也有提高。