MODIS卫星数据和Landsat卫星数据的融合ESTARFM算法，IDL语言编程源码，带说明PPT和对应论文PDF，及测试数据，亲测可用

近年来图像融合技术在图像处理领域中得到了广泛的重视和应用。最早提出的像素算术平均的图像数据融合方法忽略了像素间的相互关系，使得融合后的图像对比度很差，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，现提出一种基于小波变换的图像数据融合新方法。在图像分解的高频域内，选择多源图像邻域平均绝对值较大的系数作为重要小波系数；在低频域内，新的逼近系数通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像。实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并可用于广泛的研究邻域

基于静态小波的图像融合算法实现，采用多孔算法（atrous）实现图像多层次分解，分别对高低频采取相应的融合规则，然后逆变换得到融合图像。

基于神经网络的融合算法 湿度信号为归一化值，取值范围为0-1；输出层的两个单元为明火判决和阴燃火判决系数，取值为0-1；输入层与阴层之间为七个神经元的隐藏。输入层与隐层之间的权值矩阵为 ，隐层与输入层之间的权值矩阵为 。 采用BP算法，执行过程如下： 1）首先确定训练模式对并对网络进行初始化，模式对由输入信号和导师信号构成，分别对应网络的输入层和输出层。输入层信号 根据多传感器对标准试验火和各种环境条件下的测试信号经预处理整合后确定，导师信号 即上述已知条件下定义的明火和阴燃火判决结果，由此我们确定了54个训练模式对，判决表1为其中的示例。 BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。 (1)正向传播：输入样本－>输入层－>各隐层（处理）－>输出层 若输出层实际输出与期望输出（教师信号）不符，则转入(2)-误差反向传播过程 (2)误差反向传播：输出误差（某种形式）－>隐层（逐层）－>输入层 其主要目的是通过将输出误差反传，将误差分摊给各层所有单元，从而获得各层单元的误差信号，进而修正各单元的权值（其过程，是一个权值调整的过程）。

基于非下采样剪切波变换的医学图像边缘融合算法研究

ihs、pca、加权平均的图像融合算法MATLAB实现。 像素级融合算法的三种基础算法的MATLAB实现，仅供参考 ihs pca 加权。

MATLAB实现PCA影像融合算法，其中有三个函数，PCA变换，直方图匹配，PCA变换。输入的影像数据为多光谱影像与全色波段。

IHS图像融合算法程序实现 MATLAB程序

这是两个算法的matlab程序，并附有融合图片，直接可以运行，可以用做本科毕业设计。

在过去一年的文章中，我们讨论了很多关于知识图谱构建、结合NLP应用的方法。逐渐，这些算法开始深入到许多业务中的搜索、推荐工作中。本文我们来系统地看一下在不同阶段，图谱融合该采取什么策略，以及相关的算法论文调研。