：智能车辆是近年来发展起来的一门新兴综合技术，在军事、科研和工业中有广阔的应用前景。以电动小车为 研究对象，分析了智能小车传感系统的各种特征值，包括智能小车的状态特征值和道路环境特征值，并建立了相应的坐标 系。根据小车行驶的实际情况，设计了智能小车的多传感器系统，包括：传感器的种类、数量以及在智能小车上的安装位 置。重点讨论了多传感器数据融合结构和融合算法。智能小车多传感器的数据融合结构采用混合式，融合算法采用贝叶新 推理法。

2019最新医学图像融合的文章，使用了卷积稀疏理论和形态学成分分析理论。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

提出一种基于小波变换的像素级CT，MR医学图像融合方法，利用离散小波变换分别将两幅源图像进行多尺度分解，再用不同的小波系数邻域特征指导高频分量和低频分量的小波系数的融合，低频分量采用邻域方差指导，高频分量采用邻域能量指导，最后根据融合图像的各小波系数重构融合图像。实验表明：不论从主观感受，还是采用信息熵和平均梯度两项指标作为客观定量评价标准，该方法都优于传统的融合方法，获得的融合图像有效地综合了CT与MR图像信息，能够同时清晰地显示脑部骨组织和软组织。

Deep KSVD Denoising——融合KSVD传统算法和深度学习的去噪算法实现，使用pytorch（拥有详细的代码注释）

TDOAAOA_融合_TDOAAOA_最小二乘_TDOA,AOA融合方法_TDOAAOA融合.zip

中国科学院遥感图像数字处理遥感影像镶嵌融合

加权平均法图像融合算法的原理就是：对原图像的像素值直接取相同的权值，然后进行加权平均得到融合图像的像素值，举例说比如要融合两幅图像A，B，那它们的融合后图像的像素值就是A*50%+B*50%，就这么简单。

融合集中在数据的特征级融合，但是在手动提取特征的过程中，将会不可避免的产生由于人工而产生的误差，使得特征的计算和选择可能不具有代表性。数据层融合，对传感器采集到的原始数进行直接融合，优点是保留了原始信息，信息损失量很少，但是存在只能对同一类型数据进行融合，且计算量较的问题。

数据融合matlab代码pytorch中的HED 这项工作是论文的一个执行。 表现 输入图像 dsn1 dsn2 dsn3 dsn4 dsn5 融合输出（dsn6） 在BSDS500上 方法 ODS（融合/合并） OIS（融合/合并） AP（融合/合并） 我们的实施 0.78731 / 0.78280 0.80623 / 0.80356 0.78632 / 0.83851 原始纸 0.782 / 0.782 0.802 / 0.804 0.787 / 0.833 如本文所述，Fusion表示融合输出（dsn6），Merged表示融合层和侧面输出相结合的结果。 怎么跑 先决条件： 火炬> = 0.3.1 张量板 培训/测试 尾码/数据结构 $ROOT - ckpt # save checking points - data # contains BSDS500 - matlab_code # test code - pytorch-HED # current repo 要准备数据，请参阅“培训HED”部分中的内容。 为了训练 python submit.py 在./config中创建您的