具体内容主要包括NSST中matlab版本的所有函数，里边函数可以被调用，可用于图像分割和图像融合等相关功能实现。

为了从遥感图像中提取出更为准确完整的目标边缘，提出一种基于无下采样Shearlet 模极大值和改进数学形态学的目标边缘提取方法。首先采用无下采样 Shearlet 变换(NSST)将图像分解成边缘细节丰富的高频分量和边缘细节较少的低频分量；然后结合不同分解程度下边缘像素点处的系数关系，对高频分量的各个子带进行模极大值检测，再经过双层掩膜筛选后得到高频边缘提取结果；对低频分量采用改进的数学形态学方法，得到低频边缘提取结果；最后将上述两部分融合，使用区域连通方法去除孤立点，得到最终的目标边缘图像。大量实验结果表明，与 Canny 以及其他 4 种同类边缘提取方法相比，本文方法所得边缘定位准确、完整清晰、细节丰富，且抗噪能力强，为后续遥感图像目标特征提取与识别奠定更好基础。

融合NSST和稀疏表示的PET和MRI图像融合

非下采样剪切波变换（NSST）是对剪切波（shearlet）变换的改进，在继承剪切波（shearlet）变换优点的同时，避免了伪吉布斯现象的出现，相比于小波变换、曲边变换等操作效率高、复杂度低。该源代码中包含测试实例和代码注释。

基于NSST和改进PCNN的医学图像融合

这是NSST非下采样剪切波变换的源码。下载解压后直接运行。

针对红外与可见光图像具有不同的特点，提出一种新的基于非下采样剪切波变换(NSST)的红外与可 见光图像融合算法．算法首先采用NSST将已配准的红外与可见光图像进行分解，得到低频子带图像和各尺度各方向 的高频子带图像；然后对低频子带图像采用一种基于显著图的低频融合规则进行融合，而对高频子带图像的融合，结 合人眼视觉特性，采用一种基于改进的区域对比度的融合规则；最后，对融合的低频子带图像和高频子带图像进行 NSST逆变换得到融合图像．实验结果表明，该算法能够有效地综合红外与可见光图像中的重要信息，融合效果要优于 一般的基于NSCT、NSST的图像融合方法．

基于非下采样shearlet变换的图像融合，包括红外和可见光图像、多聚焦图像融合代码（matlab代码）

NSST变换，可用于图像融合，分割等方面