该文件包含我们的论文的MATLAB代码，该论文使用密集的SIFT描述符和引导滤镜实现了无鬼影多重曝光图像融合技术。 如果您发现代码有用，请引用论文。

GFN “门控融合网络的联合图像去模糊和超级分辨率”的，杭东，，，王飞，（上BMVC2018口头报告）。 您可以在上找到更多详细信息 。 改善培训过程 为了获得更稳定的训练过程，现在我们采用了三步训练策略，该策略与本文不同，将LR-GOPRO 4x数据集的PSNR从27.74dB提高到27.81dB。 模型 LR-GOPRO 4倍PSNR（dB） 时间 22.74 0.66 24.40 0.07 ED-DSRN 26.44 0.10 + EDSR 25.09 2.70 EDSR + DeepDeblur 26.35 8.10 GFN（BMVC纸） 27.74 0.07 GFN（现） 27.81 0.07 依存关系 Python 3.6 PyTorch> = 0.4.0 火炬视觉 麻木 skimage h5py 的MATLAB 测试方法

二次开发做矢量数据融合，给了源码和实验数据，有兴趣的朋友可看看。

AGBT-分子表示-组会PPT

虚拟化，超融合，AVH

针对遥感图像影像分辨率低的问题，提出了一种新的基于HIS和小波变换的低分辨多光谱和高分辨全色图像的融合方法。该方法通过对高分辨全色图像小波分解后的低频分量进行低通滤波，将全色图像的低频信息中的高频分量融入到多光谱图像HIS空间的亮度信息的低频中；再将这个融合后的低频和高分辨全色图像的细节信息进行小波反变换，得到融合后的图像。该图像很大程度地保留了多光谱的光谱特性和高分辨图像的空间分辨率。仿真结果表明了本方法的有效性。

网络技术-网管软件

matlab灰色处理代码mof_dehaizng的简介 这是对Matlab的重新实现。 单图像去雾的多尺度最优融合模型 赵冬，徐龙，严以华，陈洁，段凌宇 这项工作已被信号处理杂志：图像通信，2019年接受。可从以下网站下载本文： 。 如果您在我们的工作中遇到任何有趣的问题，我们竭诚欢迎您的宝贵建议，您可以通过以下方式给我们发送电子邮件： | | 抽象的 图像采集通常容易受到恶劣天气的影响，例如阴霾，雾气和烟雾。 在许多领域，除雾，除雾一直是一个巨大的挑战。 本文提出了一种高效，快速的除雾算法，用于解决除雾过程中经常发生的传输图误估和过饱和问题。 我们发现，透射图通常会在灰度突然变化的边缘附近被错误估计。 这些“传输错误估计”（TME）边缘会进一步导致斑片式除雾中的光晕伪影。 尽管逐像素方法没有光晕伪像，但存在过饱和问题。 因此，我们首先提出一种TME识别方法来区分TME和非TME区域。 其次，我们提出了一种多尺度最优融合（MOF）模型，以最优方式融合像素方向和斑块方向的传输图，以避免错误估计传输区域。 然后将此MOF嵌入到逐块除雾中，以抑制光晕伪像。 此外，我们提供了两种后处理方法来提

【图像融合】基于SURF算法实现红外与可见光图像配准算法附MATLAB代码

数字孪生技术与工程实践模型-PPT合集，共七章节，内容可编辑。 ——————————————————————————————————————— 数字孪生的概念出现是最近10多年的事，但近3年来关于数字孪生的论文数井喷式增长。 今天，数字孪生已开始助力人类生产力的变革和升级，改变人们的生产和生活方式。 本子原内容在分析数字孪生基本概念的基础上，以智能制造和智能建造为基本切入点，阐述模型驱动方法和数据驱动智能的融合技术，为数字孪生的构建、设计和实现提供了技术指引。同时，结合典型软件平台，给出数字孪生系统的典型开发方法和具体实施案例，为国内企业实施数字孪生系统提供有益的参考。