针对Curvelet分解的不同频率域,分别讨论了低频系数和高频系数的选择原则。在选择低频系数时,定义了局部区域标准方差,采用了“选择”与“平均”相结合的系数选择方案;在选择高频系数时,充分利用Curvelet变换具有方向性的优点,提出了Curvelet域方向对比度的概念,并给出了基于方向对比度的系数选择方案。实验结果表明:本文所给出的融合算法能够很好地保留多幅源图像中的有用信息,得到多个目标聚焦都很清晰的图像。

0积分下载，代码运行效果图见压缩包

Contourlet图像融合 低取大，高取局部能量最大

灰度特征提取matlab代码耦合特征学习用于多模态医学图像融合 参考：FG Veshki，N Ouzir，SA Vorobyov，E Ollila，用于多模式医学图像融合的耦合特征学习，2021年，arxiv.org ％运行脚本文件“ Demo_gray.m”，“ Demo_color.m”和“ Demo_IV”。 （在“融合问题”标签中更改融合方式） ％要求：MATLAB的mex编译器 ％用于提取和重建图像补丁以及可视化字典原子的代码来自SPAMS工具箱。 （文件夹“实用程序”中的文件“ mexExtractPatches.m”，“ mexCombinePatches.m”和“ displayPatches.m”。）

基于像素级图像融合的评价指标，包括均方误差，信噪比，熵，matlab 的

数据融合_HSI_LiDAR 基于深度学习的HSI和LiDAR图像融合 作者 平台 Ubuntu 14.04 CUDA 8.0 GTX 850M 张量流1.4 python2 / python3 使用卷积神经网络的体系结构 输入-[转换-关联-最大池] x 2-[仿射-关联] x 2-仿射-softmax 档案文件 ./HSI/Load_data.py加载HSI源数据并制作Train / Test文件作为补丁 ./HSI/CNN.py定义CNN参数./HSI/CNN_feed.py训练HSI CNN权重./HSI/run_cnn.py使用预先训练的CNN参数进行HSI分类./HSI/Spatial_dataset.py为处理HSI数据。 ./HSI/Get_feature.py保存最后汇聚层平功能./DSM几乎一样./HSI 结果 接触

工程概览 fusion：windows环境下基于opencv + QT的算法实现 fusion-refactor：windows环境下基于opencv + QT的算法实现（重构版本，便于hls编译的过渡代码） fusion-vivado：windows环境下的vivado工程 fusion-hls\src_xf：windows环境下vivado hls工程（基于xfopencv），包含项目用到的各种fpga核 fusion-linux\java-fusion：基于springboot的java服务端web项目 fusion-linux\vue-fusion：基于vue的前端页面 fusion-linux\vue-fusion-video：基于vue的前端页面（模拟了视频效果） fusion-linux\zynq-fusion：在开发板linux系统环境运行的应用 fusion-linux\zynq-fusion\qt-fusion：跨平台的opencv + QT算法实现（基于zynq 7020平台），整合fpga加速 fusion-linux\zynq-fusion\

资源包含加权平均、简单图像融合、基于小波变换.

小波变换 图像融合代码 GUI等，做毕设的最佳资料11111111111111111111111111111111111111111111111111111111111111111111111

基于小波变换的医学图像融合算法仿真