NestFuse：基于Nest连接和空间/通道注意模型的红外可见图像融合体系结构 ，吴晓军*，塔里克·杜兰尼（Tariq S.Durrani） IEEE Transactions on Instrumentation and Measurement，Volume：69，issue：12，pp.9645-9656，2020年12月。 平台 Python 3.7 火炬> = 0.4.1 分析指标 在“ analysis_metrics_in_paper”中，包含了七个在我们的论文中使用的指标。 融合框架 （T. Y。Lin，M.Maire，S.Belongie，J.Hays，P.Perona，D.Ramanan，P.Dollar和CL Zitnick。Microsoft coco：上下文中的常见对象。在ECCV中，2014。3-5。）来训练我们的自动编码器网络。 融合策略（两种注意力模

使用深度学习框架的红外和可见图像融合 ，吴晓军*，约瑟夫·基特勒国际模式识别大会2018 Li H，Wu XJ，Kittler J.使用深度学习框架的红外和可见图像融合[C] //模式识别（ICPR），2018年第24届国际会议。 IEEE，2018：2705-2710。 要求 您将需要以下工具来运行此代码： 如果您对此代码有任何疑问，请随时与我联系（ ， ） 融合方法 融合详细内容 多层融合策略 质量指标-Nabf Nabf-'BK Shreyamsha Kumar。 使用离散余弦谐波小波变换基于像素重要性的多焦点和多光谱图像融合。 信号，图像和视频处理，2012年。” 火炬版 仅供参考 https://github.com/GrimReaperSam/imagefusion_pytorch 引文 Li H，Wu XJ，Kittler J.使用深度学习框架的红外和可见

Densefuse：红外和可见图像的融合方法-Tensorflow 吴小军* 发表于：IEEE图像处理事务 H. Li，XJ Wu，“ DenseFuse：红外和可见图像的融合方法”，IEEE Trans。 图像处理。 28号5月，第2614–2623页，5月。 2019。 笔记 在“ main.py”文件中，您将找到如何运行这些代码。 本文中使用的评估方法显示在“ analysis_MatLab”中。 这些方法是由MatLab实现的。 抽象的 在本文中，我们提出了一种针对红外和可见图像融合问题的新型深度学习架构。 与传统的卷积网络相比，我们的编码网络是由卷积神经网络层和密集块组合而成的，密集块的每一层的输出都与其他每一层相连。 我们尝试使用此体系结构从编码器过程中的源图像中获取更多有用的功能。 然后，采用适当的融合策略融合这些特征。 最后，融合图像由解码器重建。 与现有的融合

使用深度学习框架的红外和可见图像融合-Pytorch实现 李辉，吴新军，Kittler J.这是一个使用深度学习框架的红外和可见图像融合的pytorch实现[J]。计算机应用，2009,29（6）：1275-1279 arXiv预印本arXiv：1804.06992，2018.（ ） 要求 您将需要以下工具来运行此代码：

使用潜在的低秩表示法进行红外和可见图像融合 吴小军* 使用潜在的低秩表示法进行红外和可见图像融合。 潜在的低排名表示 融合方法框架 抽象的 我们提出了一种基于潜在低秩表示（LatLRR）的新颖图像融合方法，该方法简单有效。 首先，通过LatLRR将源图像分解为低阶部分和显着部分。 全局结构信息由低阶部分保留，局部结构信息由显着性部分提取。 然后，将低阶部分通过加权平均策略融合，而显着部分则简单地通过求和策略融合。 最后，通过融合融合的低秩部分和融合的显着性部分获得融合的图像。 源代码 1 Fusion_latlrr.m -----我们的方法 2 latlent_lrr.m -------潜在的低秩表示方法 潜在LRR Thr Latent LRR方法由Liu Guangcan Liu在2011年提出。 “ Liu G，Yan S.用于子空间分割和特征提取的潜在低秩表示[C]国际

Bandelet 用于图像融合，对于学习小波多尺度融合应该很有帮助。

ImageFusion 基本都是Matlab跑的算法。

拉普拉斯图像融合算法

imagefusion图像融合数据集，www.imagefusion.org网站常用数据集，附带论文《A general framework for multiresolution image fusion: from pixels to regions》

我当初找这组素材也找了好久，之后也有很多人跟我要这组素材，今天就放在csdn供大家下载吧，省的再为找素材东奔西走，祝大家写论文顺利哈。 [17] G. Piella. A general framework of multiresolution image fusion: From pixel to regions[J]. Information fusion, 2003(4)：259-280. 英国OCTEC公司提供两组配准了的红外和彩色图像进行融合实验