针对现有的红外与可见光图像融合算法存在融合图像的对比度与清晰度降低和细节纹理信息丢失等问题,提出将鲁棒主成分分析(RPCA)、压缩感知(CS)和非下采样轮廓波变换(NSCT)相结合的融合算法。首先对两幅源图像分别进行预增强处理,应用RPCA分解得到相应的稀疏分量和低秩分量;然后对稀疏矩阵利用结构随机矩阵压缩采样,利用高斯梯度-信息反差对比度(GG-DCI)压缩融合,经正交匹配追踪法(OMP)重构;接着对低秩矩阵采用NSCT分解成低频子带和高频子带,低频子带选用区域能量-直觉模糊集(RE-IFS)融合,最高频子带利用最大绝对值规则融合,其他高频子带选用自适应高斯区域方差融合;最后将融合后的稀疏分量和低秩分量叠加得到融合图像。实验结果表明,本文算法相比其他算法能够更好地提高融合图像的对比度和清晰度,保留了丰富的细节纹理信息,客观评价指标也总体优于现有算法,有效提升了红外与可见光图像的融合效果。

提出了一种基于小波变换和独立成分分析(ICA)的心房颤动(房颤)信号分离方法。首先通过小波变换将2个导联的Holter心电信号分解成一组信号,然后取其中几个尺度的单支重构信号进行ICA,分离出房颤信号。2个导联Holter系统无法满足ICA对信号通路数的要求,小波分解及单支重构解决了这一问题。ICA技术充分利用2个导联的信息,消除了单导联房颤信号分离方法易受伪迹和异位心搏等因素影响的缺点。实验证明了本方法的可行性和有效性,并且与常用的单导联分离方法的效果进行了对比。

提出并且详细分析了一种基于小波变换的图像融合技术的改进方法的优越性．对两幅需要融合的图像通过直方图均衡化的方法进行处理，且利用一种基于小波变换的图像融合技术的改进方法进行融合，对融合后所得的新图像的结果与质量进行分析与评价，证明了改进的融合方法能够取得更优越的效果．

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点,在大尺度下设置阈值,去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上,采用自适应阈值的方法,克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明,与单一阈值去噪方法相比,该方法不仅可以保留图像边缘信息,而且能提高去噪后图像的峰值信噪比 2～5 dB。

利用小波分析的原理，通过小波变换实现图像融合

小波变换实现图像融合的源代码，小波变换工具

用MATLAB编写的一些经典的关于图像融合的程序

基于小波变换的图像融合，可以在matlab上运行。亲测有效。

小波时频画图工具包，能较好地画出小波变换地时频图。

引入具有平移不变性和良好的方向分析能力的双树复小波变换对源图像进行多尺度分解;然后对分解得到的各尺度的高频子带采用基于跨尺度的邻域空间频率的融合策略