针对多聚焦图像融合中聚焦物体边缘衔接处产生伪影的问题，提出一种基于非下采样Contourlet变换(NSCT)与引导滤波的多聚焦图像融合算法。该算法对多聚焦图像进行NSCT分解后，利用基于边缘的加权融合方案处理低频子带系数，利用双向拉普拉斯滤波器提取带通方向子带系数的边缘和显著信息，通过引导滤波器对初始融合权重进行修正，最后利用NSCT重构获得融合后的多聚焦图像。实验结果表明，与其他融合算法相比，本文算法提高了融合图像的信息丰富度和清晰度，避免在聚焦物体边缘衔接处产生伪影，提高了融合图像的总体质量。

Python中RGB-D图像的体积TSDF融合 这是一个轻量级的python脚本，可将多个已注册的颜色和深度图像融合到一个投影的截断的有符号距离函数（TSDF）体积中，然后可用于创建高质量的3D表面网格和点云。 在Ubuntu 16.04上测试。 较旧的CUDA / C ++版本可在找到。 要求 带有 ， ， ， 和 。 通过运行以下命令，可以快速安装/更新它们： pip install --user numpy opencv-python scikit-image numba [可选] GPU加速需要具有和的NVIDA GPU： pip install --user pycuda 演示版 该演示将来自7个场景的数据集的1000张RGB-D图像融合到405 x 264 x 289的投影TSDF体素体积中，在GPU模式下以约30 FPS（在CPU模式下为0.4 FPS）的分辨率为2cm，并输出3D网格mesh.ply可以使用诸如的3D查看器可视化的mesh.ply 。 注意：彩色图像保存为24位PNG RGB，深度图像保存为16位PNG（以毫米为单位）。 python de

采用冗余提升不可分离小波变换的改进NSCT图像融合算法，赵春晖，马丽娟，在灰度可见光与红外图像融合中，针对NSCT变换中金字塔分解(NSPFB)对细节能力捕捉不强的缺点，提出采用冗余提升变换替代NSPFB的图像融��

针对非下采样金子塔(NSP)用于平移不变的剪切波变换(NSST)中不能有效捕获图像的结构信息问题,提出一种多尺度非局部均值滤波(MNLMF)和剪切波(SF)方向滤波的新变换,即利用MNLMF代替NSST中NSP分解,然后将其用到图像融合中,并将输入图像分解成不同子带.对于近似子带,采用区域像素能量(PE)与梯度能量(GE)加权和的融合规则;对于方向子带,提出基于GE与系数绝对值(CAV)混合的融合规则.同时提出了基于MNLMF与SF的图像融合算法.仿真对比实验表明,所提出的方法在视觉感知和客观质量评价两个方面具有明显的优势.

根据导师作业安排，在学习数字图像处理（刚萨雷斯版）第六章 彩色图像处理 中的彩色模型后，导师安排了一个比较有趣的作业： 融合原理为： 1 注意：遥感原RGB图image和灰度图Grayimage为测试用的输入图像； 2 步骤：（1）将RGB转换为HSV空间（H：色调，S：饱和度，V：明度）； （2）用Gray图像诶换掉HSV中的V； （3）替换后的HSV转换回RGB空间即可得到结果。 书上只介绍了HSI彩色模型，并没有说到HSV，所以需要网上查找资料。 Python代码如下： import cv2 import numpy as np import math from matplotlib

基于Bayesian压缩感知的融合算法，感兴趣的可以去看看

压缩包内包涵了我所用过的图像融合程序，如小波，PCNN，贝叶斯等算法，仅供参考。

主要介绍了常用的图像融合算法和最新的技术

演示了基于DDCT和PCA的图像融合算法。 参考文献：VPS Naidu，“Hybrid DDCT-PCA base multi sensor image fusion”，Journal of Optics，Vol.43，No.1，pp.48-61，2014年3月。

图像处理的常用算法---需要不断地收集和研究