关键词：多光谱图像融合，电力设备，故障点检测
1.前言
目前我国的电网覆盖范围是非常广泛的，各种各样的电力设备也是非常多的，比如:变电站，导线，杆塔等这些设备的数量都在日益增加，分布的范围比较广泛，距离比较远。所以如果这些设备出现问题，全部都要依靠人工进行检修是不太容易实现的，同时对这些设备的监控要求也是比较高的。为了打造变电站实现无人值守或者是少人值守的安全性以及便利性状态，必须要是对电力设备的运行状态实施全程监控。
2.图像融合的国内外研究现状
图像融合指的是在同一时刻将多个传感器获取的特定场景的图像或者是视频信息，利用选定的算法进行综合，生成一个和此场景有关的新的图像，在这个图像中会包含很多个传感器获取图像的相关信息。融合后的图像信息会更加的清晰，比较适合人类的观察以及后期计算机的处理[1]。多光谱图像融合和单一的光谱图像相比较，存在很多的优点：多光谱的图像具有冗余性，和单光谱一样也具备一些无法捕捉的信息内容，所以两者之间能够起到互补的作用，同样多光谱还能够提高观测信息的准确度以及清晰度。
2.1国外的研究现状
国外对图像融合的研究相对来讲是比较早的，提出来很多的算法，取得的成就也很不错，并且已经把所取得的成就成功的运用到了工程领域当中去。外国的研究者曾经提出了一种方法，即在区域的基础上利用人工神经网络的图像融合方法，基本的原理就是通过对红外线的分割，把每个区域的信息添加到可见光的图像当中，然后通过不同的参数来确定具体的区域，最后就可以通过人工的神经网络来处理由于天气以及时间原因导致的一些问题。后来又有学者提出了融合算法的图像融和方法，这种算法可以很好地解决优化的问题[2]。
2.2国内的研究现状
国内对于图像融合技术的研究起步是比较晚的，在最近的十几年内才对这项研究重视起来。后来这项技术被列为我国的“九五”以及“863”规划中，被当做了国家重点研究的项目，把这种技术作为了推动计算机以及空间技术等产业发展的关键技术。目前很多人对这项研究提出了大量的算法，开始重点着手此项目的研究。后来有人提出了在小波变换基础上可以调节遥感的影像融合方法，再后来有人提出了在目标提取的红外线的基础之上可见光图像的融合算法。这种方法会根据红外和可见光图像的特征对红外图像的目标进行提取，最后对获取的目标信息以及可见光的图像进行融合。纵观多光谱图像的研究思路，我们会发现其正在朝着更加专业化的方向发展。
3.电力设备故障点的检测方法
3.1图像分割的方法
这种方法是把图像中有特别含义的区域进行区分，这些区域包含的有：灰度相同，颜色相同，亮度相同，纹理相同以及形状相同，在区域上面可以是单个的，也可以是多个的。图像处理的关键步骤就是图像分割，这种技术也是基本的计算机视觉技术。图像分割算法一直以来都是计算机领域比较难的一个问题，在计算机视觉研究中是比较重要的一个方向[3]。传统的图像分割法存在很多的缺点，和人们的要求相差甚远，随着一些新理论，新方法的应用推广以及图像处理计算机技术的迅猛发展，图像的分割方法也变得越来越多：阈值、边缘，基于区域的，基于聚类的，基于的分割的算法等等。
3.2视觉显著性的检测方法
如果对一幅图像进行观察，人们最先注意的一定是比较感兴趣的区域，这个区域和其他的区域相比较一定存在着某些差异，而这种比较明显的差异就被称为视觉的显著性，人们会把具有差异性的区域称之为感兴趣或者是显著性的区域。人类的视觉具备搜索现状区域的能力，这种能力被称为注意力机制。而视觉显著性的模型就是通过对人类视觉注意力的模仿而研究出来的，会通过计算的方法对显著区域进行标注，这种机制可以提高图像处理的效率。
3.3小波变换图像发的融合方法
小波变化的方法是一种金字塔的技术，原理是通过对小波的的多分辨率特性从不同的分辨率层对图像进行融合。这种方法的优点是具备局部性以及快速性的特点，取得的融合效果是比较良好的，现如今也成为了研究当中的热点。小波变换的图像的融合步骤为：第一步对原始的图像进行小波的分解，会形成图像的多尺度现象，第二步要对各分解层进行融合处理，要对不同的分解层分别采用不同的融合算法，会得到融合后的多尺度图像，第三步要对融合后的图像进行小波逆变换，得到的重构图就是融合图像。如果融合的方法不一样，得到的结果也会有很大的区别的。在小波变换基础上的图像融合方法具备的优点：速度比较快，融合效果良好，但是也存在着颜色易于失真的明显缺点[4]。
4.结束语
这种检测方法是电网状态检修过程中重要的研究方向，在不断电的情况下发现故障的准确隐患，会给电网的状态检修带来很大的经济效益以及便利度，也会在很大的程度上减少由于操作不当而造成的事故，可以更好的保障人身的安全，节省人力和资源。本文提到的一些方法可以很好地确定故障点的具体位置，为此后的检修工作也带来了极大的便利度，相信随着检测方法的创新和发展，检修工作会变得越来越得心应手。
参考文献：
[1]应用多光谱图像融合的电力设备故障点检测方法[D].兰州理工大学,2016
[2]宝源.红外与可见光图像融合技术研究[D].武汉:华中科技大学,2017
[3]春华,马国超,马苗.基于目标提取的红外与可见光图像融合算法[J].计算机工程,201536(2):197-200.
[4]亚楠,邓磊.基于小波变换的遥感图像融合方法研究[J].激光与光电子学进展,2017,50(2):133-138.