本文提出了一种新的基于联合稀疏表示的图像融合方法。 由于传感器观察到相关现象，因此源图像有望具有共同的和创新的特征。 我们使用稀疏系数作为图像特征。 通过联合稀疏表示，用公共稀疏系数和创新稀疏系数表示源图像。 因此，稀疏系数由创新系数的平均绝对值加权。 此外，由于稀疏表示在图像去噪算法的开发中已经取得了很大的成功，因此我们的方法可以同时执行图像去噪和融合，而图像会受到加性噪声的破坏。 实验结果表明，该方法在多个指标以及视觉质量上均优于其他方法。

稀疏表示图像matlab代码多焦点图像融合 这是论文“空间域中基于稀疏表示的多焦点图像融合”的matlab代码 该方法主要包括以下两个步骤： （1）使用稀疏表示（最大L1规则）获得初始决策图 （2）考虑到聚焦区域的一致性，我们使用形态学滤波得到融合的最终决策图。 如果您有任何疑问，请随时与我联系：

Fast Multi-exposure Image Fusion with Median Filter and Recursive Filter, http://blog.sciencenet.cn/blog-366840-709637.html

图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。

红外与可见光图像融合

本文将一种基于平移不变小波分解的新方法引入到像素级多传感器图像融合中。 提出的融合体系结构与“ shift-decompose-fuse-shift”技术有关，并且包含许多步骤。 首先，要在水平和垂直方向上移动源图像。 移位后的图像将被转换为小波域，并通过重复“移位-翻译”来获得源图像的分解。 其次，将融合图像的不同子带系数与所提出的融合规则相结合。 最后，融合图像将通过反向平移和移位获得。 实验结果表明，该方法融合了源图像中的有用信息，性能优于离散小波变换（DWT）和平稳小波变换（SWT）。

[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

通过论文描述http://www.med.harvard.edu/AANLIB/cases/caseNN2/mr3/005.htm?tdsourcetag=s_pcqq_aiomsg中下载的用于医学图像融合的图像

这是我图像融合中用到的脉冲耦合神经网络（PCNN）的工具箱,很好使！

这是我以前收集的几个图像融合的工具箱: M A T I F U S : iamge fusion organization 上面推荐的工具箱 fusetool : 基于多分辨率融合的matlab代码,以前下载的,没怎么用过,这些可以自己去编写程序 Image Fusion Toolkit: 融合的matlab程序 The Generalised Image Fusion Toolkit : 这个也是推荐的工具箱 不过这些我用得都不多.