针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法。在低频子带系数的选取上,根据医学图像的特点,考虑到相邻低频子带系数之间存在的相关性,采用基于区域能量的融合规则;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进拉普拉斯能量和作为带通方向子带系数的融合规则。实验结果表明,与传统融合方法相比,该方法避免了图像失真,达到了良好的图像融合效果。

全部打开，放入图片可以运行。

此工具箱是非下采样轮廓波变换的，可以用于做图像去噪，图像融合等等，效果不错

上传内容主要为基于matlab版本的非下采样conturlet变换的图像融合函数库，可用于图像特征滤波和融合等功能实现。

非下采样剪切波变换源代码，进行图像滤波，图像分割，图像融合，包含多个matlab代码的滤波例子。NSST非下采样剪切波变化工具箱，里边程序很全，有范例，值得拥有。

一种新的结合非下采样Contourlet变换(NSCT)和高斯比例混合模型的图像去噪方法。采取的主 要方法为:1)通过NSCT对图像进行分解;2)根据高斯比例混合模型建立图像模型;3)利用贝叶斯估计进行图 像去噪。实验结果表明,相对于已有算法,本文方法降噪效果好,在去噪性能指标和边缘保持的主观视觉上都 表现出优异的性能。

针对非均匀周期采样系统, 通过状态空间模型离散化方法得到其输入输出表达形式. 鉴于参数化后得到的 辨识模型同时包含1 个参数向量和1 个参数矩阵, 利用递阶辨识原理, 将辨识模型分解为分别含有参数向量和参数 矩阵的2 个虚拟子系统; 考虑到系统的因果约束问题, 将包含参数矩阵的子系统分解为子子系统进行辨识, 从而提出 这类非均匀采样系统的递阶最小二乘辨识方法. 仿真例子表明该算法是有效的.

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。

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。

为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。