主要介绍了常用的图像融合算法和最新的技术

本资源是用Matlab实现的SIFT+RANSAC图像拼接与融合源码。 其中main.m是主程序，里面对各功能函数有比较详细的说明。 应该是点击运行，然后等待一会就可以跑出最终结果及中间结果。

DF-GAN：用于文本到图像合成的深度融合生成对抗网络 （一种新颖有效的一级文本到图像主干） 官方Pytorch实施对我们的报纸由明道，，， ，，，。 要求 python 3.6+ 火炬1.0+ 易言 恩特克 scikit图像 titan xp（在* .yaml中设置nf = 32）或V100 32GB（在* .yaml中设置nf = 64） 安装 克隆此仓库。 git clone https://github.com/tobran/DF-GAN cd DF-GAN/code/ 数据集准备 下载的预处理元数据并将其保存到data/ 下载图像数据。 将它们提取到data/birds/ 下载数据集并将图像提取到data/coco/ 预训练文本编码器 下载CUB的预训练文本编码器，并将其保存到DAMSMencoders/bird/inception/ 下载针对coco的预训练文本

演示了基于DDCT和PCA的图像融合算法。 参考文献：VPS Naidu，“Hybrid DDCT-PCA base multi sensor image fusion”，Journal of Optics，Vol.43，No.1，pp.48-61，2014年3月。

图像处理的常用算法---需要不断地收集和研究

基于matlab的融合的医学图片，pet 和ct

基于线性最小方差意义上的最优加权融合算法，针对具有多个传感器和相关噪声的具有三层融合结构的离散时变线性随机控制系统，给出了最优融合固定间隔卡尔曼平滑器。 第一和第二融合层都具有网状平行结构，分别确定任何两个传感器子系统之间的预测和平滑误差的互协方差矩阵。 第三融合层是确定最佳权重并获得最佳融合固定间隔平滑器的融合中心。 推导任何两个传感器子系统之间的平滑误差互协方差矩阵。 将其应用于具有三个传感器的跟踪系统显示了其有效性。

多传感器航迹融合较之量测融合有着诸多优势,也是信息融合领域发展最快的方向之一。论述了航迹融合理论的发展,详细讨论了航迹融合中的互相关性以及包括简单协方差凸组合、互协方差组合、信息矩阵、协方差交及基于最优线性无偏估计在内的主流融合算法,并给出了相关仿真实验结果;最后,针对当前该方向的研究现状,特别是有关混合多模型状态估计的融合问题,提出了我们的一些认识。

针对空间通信目标个体识别问题，在射频指纹分析的基础上提出了一种多维信号特征融合提取方法。首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征，然后对提取的特征进行融合，并应用支撑矢量机对个体进行分类识别，最后采用实测数据对这种识别方案进行了验证。实验表明，通过多维信号特征融合方法可以有效提取空间通信目标的个体信息，并能获得良好的识别效果。

针对现有移动机器人单目视觉定位算法在光照变化和弱光照区域表现较差、无法应用于煤矿井下光照较暗场景的问题，通过非极大值抑制处理、自适应阈值调节等对快速特征点提取和描述（ORB）算法进行改进，采用随机抽样一致性(RANSAC)算法进行特征点匹配，提高了煤矿井下弱光照区域的特征点提取和匹配效率。针对仅靠单目视觉定位无法确定机器人与物体的距离及物体大小的问题，采用对极几何法对匹配好的特征点进行视觉解算，通过惯导数据为单目视觉定位提供尺度信息；根据紧耦合原理，采用图优化方法对惯导数据和单目视觉数据进行融合优化并求解，得到机器人位姿信息。实验结果表明：①ORB算法虽然提取的特征点数较少，但耗时短，且特征点分布均匀，可以准确描述物体特征。②改进ORB算法与原ORB算法相比，虽然提取时间有了一定的增加，但提取的可用特征点数也大大增加了。③RANSAC算法剔除了误匹配点，提高了特征点匹配的准确性，从而提高了单目视觉定位精度。④改进后融合定位方法精度有了很大提升，相对误差由0.6 m降低到0.4 m以下，平均误差由0.20 m减小到0.15 m，均方根误差由0.24 m减小到0.18 m。