电力设备的在线监测和故障检测中,多传感器图像可以从不同的角度描述电力设备的特征:红外图像不受环境限制,可以反映设备的温度信息;可见光图像则可以清晰地呈现设备的外观细节。但是,这两种图像在成像机制、分辨率,以及视场方面往往存在很大的差异。为了满足实际应用需求,本文对同一场景在不同情况下的成像采用有效的融合方法。结合两种图像优点,及时判别电力设备的运行故障并采取相应措施。本文主要研究内容如下:（1）提出了一种可见光-红外的电力图像融合方法。首先利用NSCT将红外和可见源图像分解为低频和高频子带系数;NSCT是一种完全多尺度、位移不变性、多向变换的方法。它通过进行类似于轮廓波变换的子带分解来实现平移不变特性,而不需要上下采样器。它用来表示图像的轮廓,克服了伪吉布斯现象。（2）采用滚动导向滤波和滚动滤波对低频系数进行多尺度分解,将低频系数进一步分解为基层和细节层,以保留边缘,减少光晕;这是因为基于多尺度分解的图像融合通过不同模糊程度的滤波来保持尺度分离的重要性。因此,采用滚动导向滤波既考虑了尺度感知信息,也对边缘进行保持。（3）采用基于显著性的融合规则对基础层进行融合,以保留互补图像中显著的视觉细节信息;利用最大绝对值规则的细节层提取显著特征和边缘;利用融合基层和细节层对应的多尺度逆变换重构NSCT的低频系数;采用基于一致性验证的融合规则融合NSCT的高频系数;对融合后的低频和高频系数进行反NSCT,得到融合后的图像。（4）对上述方法进行了实验对比说明分析,分别从客观、主观两方面进行实验,并用于电力设备图像的融合中,得到融合后的效果图,有助于相关人员对电力设备的故障点做出识别判断。