红外和可见光图像融合算法的研究进展

为了提高红外与可见光图像融合的性能，提供更好的视觉效果，本文提出了一种将离散平稳小波变换（DSWT）、离散余弦变换（DCT）和局部变换相结合的红外与可见光图像混合融合方法。空间频率 (LSF)。 所提出的方法具有三个关键处理步骤。 首先，采用DSWT将源图像的重要特征分解为一系列具有不同层次和空间频率的子图像。 其次，DCT用于根据不同频率的能量分离子图像的重要细节。 第三，LSF用于增强DCT系数的区域特征，对图像特征提取有帮助和有用。 一些常用的图像融合方法和评估指标被用来评估该方法的有效性。 实验表明，所提出的方法可以达到良好的融合效果，并且比其他传统的图像融合方法更有效。

使用深度学习框架的红外和可见光图像融合 - Pytorch 实现

基于小波变换的方法，需要自己准备已严格配准好的图像，并建立几个相应的文件夹存放，可以批量处理jpg、png格式的图片

基于小波变换的红外和可见光图像融合算法的研究.

针对红外和可见光图像融合结果背景信息不足、对比度较低的问题，提出一种结合引导滤波和快速共现滤波的融合方法。首先，以高斯滤波将源图像分解为细节层和基础层。然后以去除值域滤波器、全局统计共现信息的方式简化共现滤波，形成快速共现滤波，再用其融合细节层；此外，引入窗口因子，用图像大小与窗口因子比值确定引导滤波窗口值，再用其融合基础层。实验结果表明该算法增加了图像背景细节，提高了人物与背景的对比度。主观和客观的实验分析验证了该算法的有效性。

资源包括从网上搜集的大部分红外和可见光融合图片和本人在从事电力设备红外和可见光图像融合研究的实验中所有的图片。在研究过程中发现，网上这方面的资源稀少，特与大家分享，希望对从事该领域研究的朋友有所帮助。

六组配准好的红外和可见光图像集

利用curvelet_toolbox开发的一个红外和可见光图像融合代码。