融合图像质量评估工具包，包含AG(平均灰度)、EN(信息熵)、MI(互信息)、PSNR(峰值信噪比)、SD(标准差)以及SSIM(结构相似性)这六个指标。
2021-10-13 16:01:52
5KB
1
该文提出了一种基于压缩感知和活动轮廓的多焦点图像融合方法。首先对源图像进行SBHE（scrambled block hadamard ensemble）采样获得压缩感知测量值，然后通过活动轮廓对源图像进行区域划分，再将区域划分结果合并形成联合区域划分。通过联合区域划分和互信息计算融合权重，得到融合后的系数，再通过压缩感知系数重构算法得到融合后的图像。为了验证算法的有效性，进行了2组多焦点图像融合实验。实验表明：该方法相比传统的压缩感知图像融合方法，在主观视觉和客观评价指标方面都能得到更好的融合结果。
2021-10-13 11:56:00
1.76MB
1
考虑到小波变换存在一些局限性，提出一种把非下采样Contourlet变换（NSCT）与脉冲耦合神经网络（PCNN）相结合的图像融合新方法。用NSCT变换从多尺度和多方向上分解配准后的原始图像。低频应用改进的边缘能量结合空间频率的融合方法；高频应用PCNN简化数学模型，其链接强度用改进的拉普拉斯能量和表示。并且选择点火映射图的点火次数与其标准差相结合的方法。最后经过NSCT逆变换得出融合图像。实验分析可知，与其他几种图像融合方法进行比较，新方法取得了更高质量的融合图像。
2021-10-12 21:34:24
262KB
1
【图像融合】基于nsct-SR+dwt-SR+拉普拉斯金字塔算法-SR等多种图像融合算法matlab源码
2021-10-12 15:10:03
15KB
1
多曝光图像融合代码，文章为“ A Precise Multi-Exposure Image Fusion Method Based on Low-level Features”
仅用于科研用途，如果使用，请引用论文：
Qi, G.; Chang, L.; Luo, Y.; Chen, Y.; Zhu, Z.; Wang, S. A Precise Multi-Exposure Image Fusion Method Based on Low-level Features. Sensors 2020, 20, 1597.
BIBTEX:
@Article{s20061597,
AUTHOR = {Qi, Guanqiu and Chang, Liang and Luo, Yaqin and Chen, Yinong and Zhu, Zhiqin and Wang, Shujuan},
TITLE = {A Precise Multi-Exposure Image Fusion Method Based on Low-level Features},
JOURNAL = {Sensors},
VOLUME = {20},
YEAR = {2020},
NUMBER = {6},
ARTICLE-NUMBER = {1597}
}
2021-10-08 19:19:17
9.19MB
1