随着电力系统的发展变化,智能化和信息化逐步渗入到人类的生活的各个方面,电力设备的使用数量也大幅增加。因此,为了使电力设备能够稳定安全地运行,定期进行设备故障检测也成为一个必不可少的环节。由于红外图像和可见光图像具有互补性,将它们的融合图像用于电力设备故障检测具有巨大的研究前景。因此,为了能够及时发现电力设备的故障,并迅速准确地进行故障定位,本文针对电力设备的故障检测进行红外与可见光图像融合算法的研究,具体如下:电力设备图像常常会存在视角差异的问题,因此在图像融合之前需要先对其进行配准。对图像进行特征点提取与匹配时产生的大量的误配点,不仅增加了计算量,还会导致配准精度的下降。本文改进SURF算法,通过待配准图像轮廓的线条特征获取相同特征点之间相关度更高的特征描述符,基于一致性原理删除错误匹配点,从而达到提升配准精度的同时减少配准耗时的目的。实验结果证明,改进的SURF算法用时较短,且对有明显视角差异的电力设备红外与可见光图像能够实现精准配准。在电力设备的故障检测中,为了准确定位故障点,除了通过红外特征判断故障点位置,融合后图像对可见光图像的细节信息保留能力也极为重要。因此,本文在NSCTPCNN算法的基础上,提出改进的NSCT-PCNN算法,采用二次融合的策略,提高融合算法对可见光图像的细节信息保留能力。实验结果证明,改进的NSCT-PCNN算法对可见光信息保留更好,且适用范围很广。改进的NSCT-PCNN算法融合后的图像仍存对比度低、区域亮度低、局部细节模糊等问题。因此,本文提出基于改进SR的NSCT-PCNN图像融合算法,对PCNN模型参数进行优化,提出基于改进SR的低频系数融合规则,从而提取到更加丰富的图像边缘信息,减少能量信息损失。实验结果证明,经本文方法处理过的融合图像对比度更强,亮度更高,清晰度更高,在融合的性能指标上也有着显著的提高,对不同类型图像的适用性较好。