随着我国社会的不断进步和经济的快速发展,人们的工作和生活对电力的需求也越来越高。如何在不影响人们的生活质量和工作效率的情况下,安全高效且稳定的供应电能,是我国的电力工作者而临的巨大挑战。状态检修就是在这样的背景下应运而生的,状态检修主要是通过对设备进行带电检测的方法发现设备的安全隐患,并对存在安全隐患的设备单独进行停电检修处理。应用多光谱图像融合的电力设备故障点检测方法已成为智能电网中状态检修系统的重要组成部分。因此,设计一种高效的电力设备状态检测算法具有重要的研究意义和应用价值。针对目前多光谱图像融合的电力设备故障点检测方法中存在的问题,本文提出了种基于超复数Log-Gabor滤波器和超复数视觉显著性的电力设备故障点检测方法。本文的主要工作如下*：针对一般的图像滤波器只能对灰度图像进行滤波处理的问题,本文提出了一种超复数Log-Gabor滤波器的设计方法。该滤波器可以对彩色图像进行整体滤波,提取图像特征。针对不同光谱图像的分割问题,本文提出了不同的分割方法。可见光图像的分割采用的是基于超复数Log-Gabor滤波器的彩色图像分割方法,首先用图像的四元数表示与超复数Log-Gabor滤波器进行卷积,然后提取卷积结果的局部四元数相位,进行简单的阂值分割和边缘检测,得到分割结果；红外图像的分割采用的是基于超复数的视觉显著性分割方法,首先由超复数Log-Gabor滤波器对图像进行滤波,然后提取滤波后图像的四元数傅里叶变换相位谱,计算显著图,最后利用Mean Shift和自适应阈值分割法提取显著区域。实验结果表明：所提算法优于其他算法,能够准确检测电力设备故障点。针对不同光谱图像的成像特点,提出了一种基于边缘和系数最大化的小波变换图像融合算法。该算法对低频分量采用基于低频域边缘的策略进行融合,对高频分量采用基于系数绝对值最大准侧的策略进行融合,最后进行小波反变换得到融合图像。实验表明,本文所提算法,能够在多光谱图像中准确定位故障点。综上所述,本文的应用多光谱图像融合的电力设备故障点检测方法,从检测、提取和融合三方面进行研究,分别提出了可见光图像的超复数Log-Gabor滤波器分割算法和红外图像的超复数视觉显著性分割算法,并利用小波变换法将分割后的图像进行融合,从而检测故障点。实验结果表明,本文算法能够准确地得到检测结果。