#资源达人分享计划#

近年来图像融合技术在图像处理领域中得到了广泛的重视和应用。最早提出的像素算术平均的图像数据融合方法忽略了像素间的相互关系，使得融合后的图像对比度很差，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，现提出一种基于小波变换的图像数据融合新方法。在图像分解的高频域内，选择多源图像邻域平均绝对值较大的系数作为重要小波系数；在低频域内，新的逼近系数通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像。实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并可用于广泛的研究邻域

基于静态小波的图像融合算法实现，采用多孔算法（atrous）实现图像多层次分解，分别对高低频采取相应的融合规则，然后逆变换得到融合图像。

ihs、pca、加权平均的图像融合算法MATLAB实现。 像素级融合算法的三种基础算法的MATLAB实现，仅供参考 ihs pca 加权。

IHS图像融合算法程序实现 MATLAB程序

这是两个算法的matlab程序，并附有融合图片，直接可以运行，可以用做本科毕业设计。

像素级融合算法的三种基础算法的MATLAB实现，仅供参考 像素级融合算法的三种基础算法的MATLAB实现，仅供参考

为进一步提高红外与可见光融合图像的细节信息,并降低伪影和噪声,提出一种基于ResNet152深度学习模型的红外与可见光图像融合算法。首先,将红外与可见光图像分解成低频部分和高频部分;然后,运用平均权重策略对低频部分进行融合,生成新的低频部分,使用ResNet152网络对高频部分进行特征提取,得到多个特征层,对特征层分别进行L1正则化、卷积运算、双线性插值上采样和最大选择策略得到最大权重层,由最大权重层和高频部分相乘得到新的高频部分;最后,由新的低频部分和高频部分对图像进行重建,获得融合后的红外与可见光图像。实验结果表明,该算法在保留图像显著特征的同时使融合图像获得了更多的细节纹理信息,且有效地降低了伪影和噪声,其主观评价和客观评价都优于对比算法。

基于HSI算法的图像融合，是一个matlab文件，功能函数，直接调用即可.

包括灰度调制法融合(graymodulate)、对比度调制法融合(contrastmodulate)、正交多项式变换法(independencemulti)（及改进算法(independencemultiadd)）融合和彩色融合(colorfusion)及对融合图像的评价——熵（entropy）和交叉熵（cross_entropy）。在MATLAB7.0下可正常运行，并给出融合图像，可将融合结果保存为图像文件。