用小波变换来实现医学图像的融合，主要是关于MR和CT图像的融合，效果还不错哦，不过比较简单，而且是未经优化的。

融合NSST和稀疏表示的PET和MRI图像融合

一、课题题目 基于MATLAB小波变换的图像融合系统 二、课题背景介绍 数字图像融合是一项最新发展起来的应用，对于数字图像处理和数字图像分析起着非常重要的重要。虽然现阶段，对于图像处理和分析，PS和抠图软件发挥着某种作用，为很多人所认同和使用。可以通过简单快捷的鼠标操作进行图像旋转、抠图等。但由于实际是手工操作，一般显得单一，且误差较大。因此，非常迫切地希望找到另外一种行得通的方式成为必然。 该项设计主要将两幅三幅或者多幅的数字图像融合。这些图像由于使用不同的设备拍摄而凸显的不一样的细节重点。一经该系统融合后就可以凸显这幅图像的优点，也可以凸显另一幅图像的优点。再者考虑到不相同模式的图像传感器的成像原理不一样。所以工作波长也就不一样。所以图像不同，那么它们包含的信息就不同。经过小波变换的融合处理后，合成图像则可以更多方面更加具体地表达所感兴趣的对象。基于这一特征，数学矩阵库wavelet transform的图像融合技术，已经大范围地应用于地图勘测信息处理、兵营管理系统、立体卫星地图、计算机视觉等领域中。

OpenCV实现IHS简单图像融合文件中包括设计实验的整个流程介绍和实验环境的搭建，可以作为opencv+vs2013在window7x64操作系统上的入门参考资料；本资料主要含有IHS变换基本数据融合算法的实现代码和实验图像数据，此外还包含参考的两篇论文资料，是图像处理入门实践的基础。

这是基于多尺度稀疏表征的图像融合源码。下载解压后直接运行。

用DCT变换和小波变换对全色光学图像和多光谱图像进行融合，生成同一图像。 数字图像处理的课程作业，由matlab完成，可直接运行。有很大的参考价值。

对于做多聚焦图像融合来说，是个不错的标准源图像 对于做多聚焦图像融合来说，是个不错的标准源图像 对于做多聚焦图像融合来说，是个不错的标准源图像 对于做多聚焦图像融合来说，是个不错的标准源图像

基于证据理论和二维直方图的彩色图像融合分割

图像融合评价指标： 信息熵（IE）、标准差（STD）、对比度（CON）、空间频率（SF）、平均梯度（AG）及 Piella 基于结构相似性的两个指标 QW与 QE等

IEEE SENSORS JOURNAL “Image Dehazing by An Artificial Image Fusion Method based on Adaptive Structure Decomposition” 一文源代码 ，仅用于科研使用，若使用，请使用DOI:10.1109/JSEN.2020.2981719进行引用 Source Code of Article IEEE SENSORS JOURNAL “Image Dehazing by An Artificial Image Fusion Method based on Adaptive Structure Decomposition” If you use this code for research, pls cite "M. Zheng, G. Qi, Z. Zhu, Y. Li, H. Wei and Y. Liu, "Image Dehazing by an Artificial Image Fusion Method Based on Adaptive Structure Decomposition," in IEEE Sensors Journal, vol. 20, no. 14, pp. 8062-8072, 15 July15, 2020, doi: 10.1109/JSEN.2020.2981719." @ARTICLE{9040575, author={M. {Zheng} and G. {Qi} and Z. {Zhu} and Y. {Li} and H. {Wei} and Y. {Liu}}, journal={IEEE Sensors Journal}, title={Image Dehazing by an Artificial Image Fusion Method Based on Adaptive Structure Decomposition}, year={2020}, volume={20}, number={14}, pages={8062-8072},} Research use only, please cite DOI:10.1109/JSEN.2020.2981719 article link: https://ieeexplore.ieee.org/document/9040575