传统的图像融合算法多有计算复杂程度高、不能有效提取图像纹理等不足，为了弥补以上传统算法，提出了一种基于孪生卷积神经网络（Siamese Convolutional Neural Network，Siamese CNN）的图像融合方法.首先，用孪生卷积神经网络生成一个权重图，该权重图包含了来自两个待融合图像的全部像素信息.然后，用图像金字塔对像素以多尺度的方式进行融合，并且采用了局部相似性策略自适应调整分解系数的融合模式.最后，和现存的几种图像融合的方法进行了对比.实验证明，该方法有较好的融合效果，具有一定的可实用性.

使用深度学习框架的红外和可见图像融合 ，吴晓军*，约瑟夫·基特勒国际模式识别大会2018 Li H，Wu XJ，Kittler J.使用深度学习框架的红外和可见图像融合[C] //模式识别（ICPR），2018年第24届国际会议。 IEEE，2018：2705-2710。 要求 您将需要以下工具来运行此代码： 如果您对此代码有任何疑问，请随时与我联系（ ， ） 融合方法 融合详细内容 多层融合策略 质量指标-Nabf Nabf-'BK Shreyamsha Kumar。 使用离散余弦谐波小波变换基于像素重要性的多焦点和多光谱图像融合。 信号，图像和视频处理，2012年。” 火炬版 仅供参考 https://github.com/GrimReaperSam/imagefusion_pytorch 引文 Li H，Wu XJ，Kittler J.使用深度学习框架的红外和可见

针对同一场景两幅严格配准的多聚焦图像的融合问题,设计了一种基于区域能量的多聚集图像融合算法。该算法利用金字塔变换得到图像的多分辨序列,采用基于区域能量的融合方法,在图像的相应层次序列的各级金字塔图像上进行融合,以获取最终的融合图像。从目视效果来看,采用本文算法进行图像融合,能够将两幅多聚焦图像融合成一幅比较清晰的单一聚焦图像。实验结果表明,本文算法与同类其它算法相比较,熵提高了0.01%～4.4%,交叉熵降低了52.93%～95.77%,互信息提高了3.13%～26.55%。

FMI 计算特征互信息 (FMI)，融合算法的非参考性能指标，提出于： MBA Haghighat、A. Aghagolzadeh、H. Seyedarabi，“基于图像特征互信息的非参考图像融合度量”，计算机与电气工程，卷。 37号5，第 744-756 页，2011 年 9 月。 http://dx.doi.org/10.1016/j.compeleceng.2011.07.012 此代码是 FAST-FMI 的实现，呈现在： M. Haghighat，MA Razian，“快速FMI：非参考图像融合指标”，第八届国际信息和通信技术应用会议（AICT），2014年第1-3页。 http://dx.doi.org/10.1109/ICAICT.2014.7036000

基于相似度理论的区域划分图像融合技术在异质传感器图像融合方面取得了较好的研究进展，但传统相似度参数不能真正反映图像在结构方面的相似度信息。使用反映图像细节结构信息的小波相似度替代传统的相关系数相似度，并使用反映人类视觉的对比度敏感函数对不同尺度的小波系数进行加权，利用加权相似度对待融合图像进行冗余与互补划分。实验结果表明，该方法能够进一步衡量图像间的结构相似度，取得了优于传统相似度参数的融合效果。

这是基于CNN和引导滤波的多聚焦图像融合源码。下载解压后直接运行。

基于频率域变换的图像融合方法，包括小波变换，拉普拉斯金字塔，和高通滤波等融合方法，内含实验素材。

matlab、图像融合、评价指标 avg=num2str(avg_gradient(data.F));%平均梯度 ein=num2str(edge_intensity(data.F));%边缘强度 sha=num2str(shannon(data.F));%信息熵 [img_mean,img_var]=variance(data.F);%灰度均值，标准差(均方差MSE) gray_mean=num2str(img_mean); vari=num2str(img_var); rms=num2str(rmse(data.F,data.M1));%均方根误差 psnrvalue=num2str(psnr(data.M1,data.F));%峰值信噪比 sf=num2str(space_frequency(data.F));%空间频率 fd=num2str(figure_definition(data.F));%图像清晰度 mi1=mutinf(data.M1,data.F);%互信息 mi2=mutinf(data.M2,data.F); mi=num2str(mi1+mi2); [mssim, ssim_map] = ssim(data.M1,data.F);%结构相似性 ssi=num2str(mssim); cross_entro=num2str(cross_entropy(data.M1,data.M2));%交叉熵，应该使用标准图像&融合后图像 rw=num2str(relatively_warp(data.M1,data.F));%相对标准差，应该使用标准图像&融合后图像

主要实现Pet与CT、MRI图像的配准、pet本身伪彩色映射、不同模态的图像融合及可视化等。

本代码为泊松融合的源码，内容齐全，区别于基本的拉普拉斯融合方法