Havard-Medical-Image-Fusion-Datasets-main 官网：https://www.med.harvard.edu/aanlib/home.html，里面包含MRI、CT、PET医学图像，下载需要手动一张一张操作。 在朋友的告知下，有人在Github整理出了代码，我下载下来方便各位下载。 Github下载链接：https://github.com/yidamyth/Havard-Medical-Image-Fusion-Datasets

针对融合后的医学图像时常存在细节纹理不够清晰的问题，本文提出一种新的基于非下采样剪切波变换（Non-Subsampled Shearlet Transform，NSST）的医学图像融合算法，对多模态医学影像进行融合，增强细节结构提取的能力，提高图像融合质量，为医疗诊断提供依据.首先，将已配准的源图像进行NSST分解，得到低频子带和一系列高频子带；其次，对于低频子带系数，提出利用局域平均能量与局域标准差的合成值进行子带之间选择的融合策略，有利于完整保存基础信息，对于高频子带系数，利用改进的拉普拉斯能量和（New Sum of Modified Laplacian，NSML）的方法进行融合；接着，将融合过后的低、高频子带进行NSST的逆过程变换，从而得到融合之后的图像；最后，在灰度和彩色医学多模态图像上进行大量的实验，并选择信息熵（IE），空间频率（SF），标准差（SD）和平均梯度（AG）对融合后的图像进行质量评价.仿真结果表明，本文算法在主观视觉效果以及客观评价指标上均取得较大改善.与其他算法相比，信息熵，标准差，空间频率和平均梯度的平均值分别提高了2.99%，4.06%，1.78%和1.37%，融合后的图像包含更丰富的细节纹理信息，视觉效果更好.

基于多尺度变换的像素级图像融合是计算机视觉领域的研究热点，广泛应用于医学图像处理等领域。本文对多尺度变换的像素级图像融合进行综述，阐述多尺度变换图像融合的基本原理和框架。在多尺度分解方面，以时间为序梳理了塔式分解、小波变换和多尺度几何分析方法的发展历程。

可见光与近红外医学图像融合算法及软件-王艳翔

基于提升小波变换的医学图像融合

医学图像融合处理的基本理论；基于最大互信息的多模医学图像配准；图像融合算法研究

对于医学图像的融合，使用深度学习生成对抗网络

灰度特征提取matlab代码耦合特征学习用于多模态医学图像融合 参考：FG Veshki，N Ouzir，SA Vorobyov，E Ollila，用于多模式医学图像融合的耦合特征学习，2021年，arxiv.org ％运行脚本文件“ Demo_gray.m”，“ Demo_color.m”和“ Demo_IV”。 （在“融合问题”标签中更改融合方式） ％要求：MATLAB的mex编译器 ％用于提取和重建图像补丁以及可视化字典原子的代码来自SPAMS工具箱。 （文件夹“实用程序”中的文件“ mexExtractPatches.m”，“ mexCombinePatches.m”和“ displayPatches.m”。）

基于matlab的融合的医学图片，pet 和ct

主要实现Pet与CT、MRI图像的配准、pet本身伪彩色映射、不同模态的图像融合及可视化等。