六组配准好的红外和可见光图像集

为了在红外与可见光图像融合中充分利用中间层提取的信息,防止信息过度丢失,提出一种新的基于卷积自编码器和残差块的图像融合方法。该方法采用由编码器、融合层和解码器三部分组成的网络结构。将残差网络引入编码器中,将红外与可见光图像分别送入编码器后,通过卷积层和残差块来获取图像的特征图;将得到的特征图采用改进的基于L1-norm的相似度融合策略进行融合,并将其整合为一个包含源图像显著特征的特征图;重新设计损失函数,利用解码器对融合后的图像进行重构。实验结果表明,与其他融合方法相比,该方法有效地提取并保留了源图像的深层信息,融合结果在主观和客观评价中都有着一定的优势。

针对传统红外与可见光图像融合算法中存在的目标不够突出、背景缺失、边缘信息保留不够充分等问题,提出了一种基于改进引导滤波和双通道脉冲发放皮层模型(DCSCM)的红外与可见光图像融合算法.首先,对源图像进行非降采样Shearlet变换(NSST),得到相应的低频和高频分量.然后,分别采用改进的引导滤波算法和DCSCM 模型对低频、高频分量进行融合.最后,对融合得到的高低频分量进行NSST 逆变换得到最终的融合图像，与其他几种方法进行比较,实验结果表明,本文算法的融合图像目标突出,背景信息丰富,且在图像清晰度、对比度、信息熵等方面均有优势.

针对红外与可见光图像融合， 提出了一种基于 NSCT 的图像融合方法。首先对图像进行 NSCT 分解;然后对分 解后的子带系数采用基于区域能量匹配度的融合规则分别进行融合:对于低频子带， 使用区域能量和方差构造决策 值， 并使用决策值选大与加权平均相结合的方法进行融合， 对于高频子带的最高层采用像素绝对值选大法进行图像 融合， 对于高频子带的其他层， 采用基于区域能量匹配度的区域方差选大的融合规则进行融合;最后使用 NSCT 逆变 换对融合后的系数进行重构得到融合图像。实验结果表明， 该融合算法可以获得更多的细节信息， 并且获得较理想 的融合图像。

红外与可见光图像融合，自己在做项目的过程中费了不少时间整理的对比用的算法，基本都是近五年内以英文论文发表的新算法。包含Matlab代码和原英文论文。STO对应2016论文3，参考https://blog.csdn.net/shitao99/article/details/85214279

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．

[17] G. Piella. A general framework of multiresolution image fusion: From pixel to regions[J]. Information fusion, 2003(4)：259-280. 英国OCTEC公司提供两组配准了的红外和彩色图像进行融合实验。 可以用于可见光与红外的融合实验

利用curvelet_toolbox开发的一个红外和可见光图像融合代码。