Daniel__Shi

图像融合论文及代码网址整理总结（3）——题目中未加区分的图像融合算法

写在前面的话：

之前写过两篇博文，针对性地整理汇总了多聚焦图像融合和红外与可见光图像融合的算法。之所以这样分类，是基于论文的标题和内容中明确指出了所处理的图像类型。

而本篇博文主要整理那些论文标题中未明确指出所处理的图像对象。换句话说，作者提出的算法既可以处理多聚焦图像，也可以处理红外与可见光等多模态图像（包括医学图像融合）（当然，这些也可以在论文的实验部分看到），多曝光图像等。

整理这些的初衷，是为了方便自己，顺便也给同领域的研究者在找代码等方面提供些许便利。另外，该领域的文章很多，本篇博文也只是整理了其中的一部分，并且，本人不会对论文内容做过多评论。

同系列的博文还有：

图像融合论文及代码网址整理总结（1）——多聚焦图像融合

图像融合论文及代码网址整理总结（2）——红外与可见光图像融合

图像融合数据集，图像融合数据库

====================== 分 ========== 割 ========== 线 ======================

【2019】

1、文章：A survey on region based image fusion methods 【综述文章】

【2018】

1、文章：Deep learning for pixel-level image fusion: Recent advances and future prospects 【综述文章】【深度学习】

2、文章：Medical image fusion with parameter-adaptive pulse coupled neural network in nonsubsampled shearlet transform domain

3、文章：Image Fusion through Deep Convolutional Neural Network and Laplacian Pyramid（点击下载文章）【CNN】【深度学习】

4、文章：Sparse representation based multi-sensor image fusion for multi-focus and multi-modality images: A review 【综述文章】

5、文章：Structure-aware image fusion

6、文章：Convolutional neural network-based multimodal image fusion via similarity learning in the shearlet domain 【CNN】【深度学习】

7、文章：Scale-Invariant Structure Saliency Selection for Fast Image Fusion

【2017】

1、文章：Pixel-level image fusion: A survey of the state of the art【综述文章】

2、文章：Simultaneous image fusion and denosing with adaptive sparse representation

3、文章：A medical image fusion method based on convolutional neural networks 【深度学习】

【2016】

1、文章：Image fusion with convolutional sparse representation 【CSR】

2、文章：Joint patch clustering-based dictionary learning for multimodal image fusion 【JCPD】

3、文章：Image fusion via nonlocal sparse K-SVD dictionary learning 【SR】【字典学习】

4、文章：Remote Sensing Image Fusion with Convolutional Neural Network 【CNN】【遥感图像融合】

【2015】

1、文章：A general framework for image fusion based on multi-scale transform and sparse representation（点击下载文章）【MST-SR】

2、文章：Simultaneous image fusion and denosing with adaptive sparse representation 【ASR】

3、文章：Sparse representation with learned multiscale dictionary for image fusion

【2014】

1、文章：Visual attention guided image fusion with sparse representation

2、文章：Multimodal image fusion via sparse representation with local patch dictionaries 【LPD】

3、文章：Medical image fusion: A survey of the state of the art 【综述文章】【医学图像融合】

4、文章：Hybrid DDCT-PCA based multi sensor image fusion（点击下载文章）

【2013】

1、文章：Simultaneous image fusion and super-resolution using sparse representation

2、文章：Image fusion with guided filtering（点击下载文章）【GFF】

3、文章：Dictionary learning method for joint sparse representation-based image fusion（点击下载文章）【JSR】

4、文章：A Neuro-Fuzzy Approach for Medical Image Fusion 【医学图像融合】

5、文章：Image fusion based on pixel significance using cross bilateral filter 【CBF】

6、文章：Multifocus and Multispectral Image Fusion based on Pixel Significance using Discrete Cosine Harmonic Wavelet Transform 【DCHWT】

【2012】

1、文章：Group-sparse representation with dictionary learning for medical image denoising and fusion 【GSR】

2、文章：Pixel-level image fusion with simultaneous orthogonal matching pursuit 【SOMP】

3、文章：Image fusion using higher order singular value decomposition 【HOSVD】

4、文章：NSCT-based multimodal medical image fusion using pulse-coupled neural network and modified spatial frequency（点击下载文章）【医学图像融合】

【2011】

1、文章：Multimodal image fusion with joint sparsity model 【JSR】

2、文章：Image Features Extraction and Fusion Based on Joint Sparse Representation 【JSR】

3、文章：Image fusion technique using multi-resolution singular value decomposition（点击下载文章）【MSVD】

4、文章：Generalized Random Walks for Fusion of Multi-Exposure Images 【多曝光图像融合】

【2008】

1、文章：Image Fusion Algorithm Based on Spatial Frequency-Motivated Pulse Coupled Neural Networks in Nonsubsampled Contourlet Transform Domain

【2007】

1、文章：A novel image fusion algorithm based on bandelet transform

【2003】

1、文章：A general framework for multiresolution image fusion: from pixels to regions【综述文章】【关于传统的多分辨率的图像融合】

【2019】

1、文章：A survey on region based image fusion methods 【综述文章】

Paper：https://doi.org/10.1016/j.inffus.2018.07.010

作者：Bikash Meher, Sanjay Agrawal, Rutuparna Panda, Ajith Abraham

【2018】

1、文章：Deep learning for pixel-level image fusion: Recent advances and future prospects 【综述文章】【深度学习】

Paper：https://doi.org/10.1016/j.inffus.2017.10.007

作者：

刘羽，合肥工业大学讲师。硕导。

主页：

http://www.escience.cn/people/liuyu1/index.html（科研在线科研主页）

https://sites.google.com/site/yuliu316316/（Google学术主页）

陈勋，中国科学技术大学，教授，博导。

主页：

http://staff.ustc.edu.cn/~xunchen/Chinese.htm（中文主页）

http://staff.ustc.edu.cn/~xunchen/

https://scholar.google.com.hk/citations?user=aBnUWyQAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

汪增福，中国科学技术大学教授，博导。

主页：https://scholar.google.com.hk/citations?user=uDtOVBAAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

Rabab Ward，the University of British Columbia，Canada

主页：http://ipl.ece.ubc.ca（学校个人主页）

https://scholar.google.com.hk/citations?hl=zh-CN&user=dqsw1u8AAAAJ&view_op=list_works&sortby=pubdate（Google学术主页）

2、文章：Medical image fusion with parameter-adaptive pulse coupled neural network in nonsubsampled shearlet transform domain

Paper：https://ieeexplore.ieee.org/document/8385209（DOI: 10.1109/TIM.2018.2838778）

Code：http://www.escience.cn/people/liuyu1/Codes.html

作者：刘羽，合肥工业大学讲师。硕导。

3、文章：Image Fusion through Deep Convolutional Neural Network and Laplacian Pyramid（点击下载文章）【CNN】【深度学习】

作者：B. Asha Latha, M. Babu Reddy, Krishna University, Machilipatnam, India

4、文章：Sparse representation based multi-sensor image fusion for multi-focus and multi-modality images: A review 【综述文章】

Paper：https://doi.org/10.1016/j.inffus.2017.05.006

作者：张强，西安电子科技大学机电工程学院。

5、文章：Structure-aware image fusion

Cite as：

Wen L , Yuange X , Haole Z , et al. Structure-aware image fusion[J]. Optik, 2018, 172:1-11.

Paper：https://doi.org/10.1016/j.ijleo.2018.06.123

Code：https://github.com/kunzhan/Structure-Aware_Image_Fusion

作者：绽琨，兰州大学。

主页：https://kunzhan.github.io

GitHub地址：https://github.com/kunzhan

6、文章：Convolutional neural network-based multimodal image fusion via similarity learning in the shearlet domain 【CNN】【深度学习】

Paper：https://doi.org/10.1007/s00521-018-3441-1

作者：Haithem Hermessi，Olfa Mourali， Ezzeddine Zagrouba

7、文章：Scale-Invariant Structure Saliency Selection for Fast Image Fusion

Paper：https://arxiv.org/abs/1810.12553

https://www.researchgate.net/publication/328627579_Scale-Invariant_Structure_Saliency_Selection_for_Fast_Image_Fusion

作者：Yixiong Liang（梁毅雄），中南大学

主页：https://sites.google.com/site/liangyixiong/

【2017】

1、文章：Pixel-level image fusion: A survey of the state of the art【综述文章】

Cite as：

Li S , Kang X , Fang L , et al. Pixel-level image fusion: A survey of the state of the art[J]. Information Fusion, 2017, 33:100-112.

Paper：https://doi.org/10.1016/j.inffus.2016.05.004

作者：

李树涛，湖南大学。教授，博导。（http://gra.hnu.edu.cn/dsdw/jcrc/zjxztpjs.htm，大牛的主页进不去）

康旭东，湖南大学博士。导师：李树涛。

主页：http://xudongkang.weebly.com

方乐缘，湖南大学博士, 副教授，博士生导师。导师：李树涛。

主页：http://www.escience.cn/people/LeyuanFang/index.html（科研在线科研主页）

胡建文，长沙理工大学电气与信息工程学院。

主页：http://www.csust.edu.cn/dq/info/1084/4094.htm（教师主页）

尹海涛，南京邮电大学。

主页：http://yjs.njupt.edu.cn/epstar/web/outer/dsfc_ny_.jsp?dsgh=20130018（教师主页）

2、文章：Simultaneous image fusion and denosing with adaptive sparse representation

Cite as：

Yu Liu, Zengfu Wang, Simultaneous image fusion and denosing with adaptive sparse representation, IET Image Processing, 9(5): 347-357, 2015.

Paper：https://ieeexplore.ieee.org/abstract/document/7095698（DOI: 10.1049/iet-ipr.2014.0311）

Code：http://www.escience.cn/people/liuyu1/Codes.html

作者：刘羽，合肥工业大学讲师。硕导。

主页：

http://www.escience.cn/people/liuyu1/index.html（科研在线科研主页）

https://sites.google.com/site/yuliu316316/（Google学术主页）

3、文章：A medical image fusion method based on convolutional neural networks 【深度学习】

Cite as：

Yu Liu, Xun Chen, Juan Cheng,Hu Peng, “A medical image fusion method based on convolutional neural networks”, 20th International Conferenceon Information Fusion (ICIF), Xi’an, China, July 10-13, 2017, pp.1070-1076.

Paper：https://ieeexplore.ieee.org/document/8009769/（DOI: 10.23919/ICIF.2017.8009769）

Code：http://www.escience.cn/people/liuyu1/Codes.html（刘羽）

【2016】

1、文章：Image fusion with convolutional sparse representation 【CSR】

Cite as：

Yu Liu, Xun Chen, Rabab Ward, Z. Jane Wang, Image fusion with convolutional sparse representation, IEEE Signal Processing Letters, 23(12): 1882-1886, 2016.

Paper：https://ieeexplore.ieee.org/document/7593316（DOI: 10.1109/LSP.2016.2618776）

Code：http://www.escience.cn/people/liuyu1/Codes.html

作者：刘羽，合肥工业大学讲师。硕导。中科大博士，导师：汪增福。

主页：

http://www.escience.cn/people/liuyu1/index.html（科研在线科研主页）

https://sites.google.com/site/yuliu316316/（Google学术主页）

2、文章：Joint patch clustering-based dictionary learning for multimodal image fusion 【JCPD】

Paper：https://doi.org/10.1016/j.inffus.2015.03.003

作者：Minjae Kim，David K. Han，Hanseok Ko

3、文章：Image fusion via nonlocal sparse K-SVD dictionary learning 【SR】【字典学习】

Paper：https://www.osapublishing.org/ao/abstract.cfm?uri=ao-55-7-1814（DOI：10.1364/AO.55.001814）

作者：Ying Li, Fangyi Li, Bendu Bai, and Qiang Shen（西北工业大学）

4、文章：Remote Sensing Image Fusion with Convolutional Neural Network 【CNN】【遥感图像融合】

Paper：https://link.springer.com/article/10.1007%2Fs11220-016-0135-6

【2015】

1、文章：A general framework for image fusion based on multi-scale transform and sparse representation（点击下载文章）【MST-SR】

Cite as：

Yu Liu, Shuping Liu, Zengfu Wang, A general framework for image fusion based on multi-scale transform and sparse representation,Information Fusion, 24: 147-164, 2015.

Paper：https://doi.org/10.1016/j.inffus.2014.09.004

Code：http://www.escience.cn/people/liuyu1/Codes.html

（本文的代码中也包含了传统经典的基于多尺度分解的图像融合算法代码。内容丰富。）

作者：

刘羽，合肥工业大学讲师。硕导。中科大博士，导师：汪增福。

主页：

http://www.escience.cn/people/liuyu1/index.html（科研在线科研主页）

https://sites.google.com/site/yuliu316316/（Google学术主页）

汪增福

Google学术主页：https://scholar.google.com.hk/citations?user=uDtOVBAAAAAJ&hl=zh-CN&oi=sra

2、文章：Simultaneous image fusion and denosing with adaptive sparse representation 【ASR】

Cite as：

Yu Liu, Zengfu Wang, Simultaneous image fusion and denosing with adaptive sparse representation, IET Image Processing, 9(5): 347-357, 2015.

Paper：https://ieeexplore.ieee.org/abstract/document/7095698

（DOI: 10.1049/iet-ipr.2014.0311）

Code：http://www.escience.cn/people/liuyu1/Codes.html（刘羽）

3、文章：Sparse representation with learned multiscale dictionary for image fusion

Paper：https://doi.org/10.1016/j.neucom.2014.07.003

作者：尹海涛，南京邮电大学。

学校主页：http://yjs.njupt.edu.cn/epstar/web/outer/dsfc_ny_.jsp?dsgh=20130018

【2014】

1、文章：Visual attention guided image fusion with sparse representation

Paper：https://doi.org/10.1016/j.ijleo.2014.04.036

作者：杨斌，李树涛，湖南大学。

杨斌，南华大学电气工程学院，湖南大学博士（导师：李树涛）

主页：http://tutor.eol.cn/web/school/info?school_id=73&dsid=955（教师主页）

2、文章：Multimodal image fusion via sparse representation with local patch dictionaries 【LPD】

Paper：https://ieeexplore.ieee.org/document/6738268/

作者：Minjae Kim，David K. Han，Hanseok Ko

3、文章：Medical image fusion: A survey of the state of the art 【综述文章】【医学图像融合】

Paper：https://doi.org/10.1016/j.inffus.2013.12.002

作者：Alex PappachenJames，Belur V.Dasarathy

Belur V.Dasarathy

主页：

https://scholar.google.com/citations?user=qiWt7LEAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

http://belur.tripod.com/index.html

4、文章：Hybrid DDCT-PCA based multi sensor image fusion（点击下载文章）

Paper：https://link.springer.com/article/10.1007/s12596-013-0148-7

Code：https://ww2.mathworks.cn/matlabcentral/fileexchange/46169-directional-discrete-cosine-transform-and-principal-component-analysis-based-image-fusion

作者：VPS Naidu（发表了多篇图像融合论文）

主页：https://scholar.google.com/citations?user=pdAZ1wsAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

代码网址：https://ww2.mathworks.cn/matlabcentral/fileexchange/?term=authorid%3A104729（该网页内作者提供了多个经典图像融合算法的代码）

【2013】

1、文章：Simultaneous image fusion and super-resolution using sparse representation

Cite as：

Yin H , Li S , Fang L . Simultaneous image fusion and super-resolution using sparse representation[J]. Information Fusion, 2013, 14(3):229-240.

Paper：https://doi.org/10.1016/j.inffus.2012.01.008

作者：尹海涛，李树涛，方乐缘，湖南大学。

李树涛，湖南大学，教授，博导。

主页：https://scholar.google.com/citations?user=PlBq8n8AAAAJ&hl=zh-CN&oi=sra（Google学术主页）

2、文章：Image fusion with guided filtering（点击下载文章）【GFF】

Cite as：

Shutao Li, Xudong Kang and Jianwen Hu, Image fusion with guided filtering, IEEE Transactions on Image Processing, vol. 22, no. 7, pp. 2864-2875, July, 2013

Code：http://xudongkang.weebly.com（作者主页内可找到，解压密码：LIvoJeaimnniTgain）

作者：

康旭东，湖南大学博士（导师：李树涛）

主页：http://xudongkang.weebly.com

李树涛，湖南大学，教授，博导。

主页：https://scholar.google.com/citations?user=PlBq8n8AAAAJ&hl=zh-CN&oi=sra（Google学术主页）

3、文章：Dictionary learning method for joint sparse representation-based image fusion（点击下载文章）【JSR】

Paper：https://doi.org/10.1117/1.OE.52.5.057006

作者：Qiheng Zhang，Yuli Fu，Haifeng Li，Jian Zou，华南理工大学电子信息学院。

4、文章：A Neuro-Fuzzy Approach for Medical Image Fusion 【医学图像融合】

Paper：https://ieeexplore.ieee.org/abstract/document/6603271

（DOI: 10.1109/TBME.2013.2282461）

Code：https://drive.google.com/file/d/0Bxq5-QWgPHedWXcxTzBGVkMtejQ/view

作者：

Sudeb Das

主页：https://sites.google.com/site/wodrsdas/publica（该作者做了许多医学图像方面的研究）

https://scholar.google.com/citations?user=viK7TRUAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

Malay Kumar Kundu

主页：https://www.isical.ac.in/~malay/

https://scholar.google.com/citations?user=0589ICUAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

5、文章：Image fusion based on pixel significance using cross bilateral filter 【CBF】

Paper：http://dx.doi.org/10.1007/s11760-013-0556-9（DOI：10.1007/s11760-013-0556-9）

Code：https://sites.google.com/view/shreyamsha/research/image-fusion/image-fusion-using-CBF 或者：

https://ww2.mathworks.cn/matlabcentral/fileexchange/43781-image-fusion-based-on-pixel-significance-using-cross-bilateral-filter

作者：B. K. Shreyamsha Kumar

主页：https://sites.google.com/view/shreyamsha

https://ccc.glgoo.top/citations?user=jX5csycAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

6、文章：Multifocus and Multispectral Image Fusion based on Pixel Significance using Discrete Cosine Harmonic Wavelet Transform 【DCHWT】

Paper：（DOI：10.1007/s11760-012-0361-x）

Code：https://sites.google.com/view/shreyamsha/research/image-fusion/image-fusion-using-DCHWT 或者：

作者：B. K. Shreyamsha Kumar

主页：https://sites.google.com/view/shreyamsha

https://ccc.glgoo.top/citations?user=jX5csycAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

【2012】

1、文章：Group-sparse representation with dictionary learning for medical image denoising and fusion 【GSR】

Cite as：

Li, Shutao and Yin, Haitao and Fang, Leyuan. Biomedical Engineering, IEEE Transactions on: 2012 ,59(12) ,3450--3459

Paper：https://ieeexplore.ieee.org/document/6296694

作者：李树涛，尹海涛，方乐缘，湖南大学。

2、文章：Pixel-level image fusion with simultaneous orthogonal matching pursuit 【SOMP】

Paper：https://doi.org/10.1016/j.inffus.2010.04.001

作者：杨斌，李树涛，湖南大学。

3、文章：Image fusion using higher order singular value decomposition 【HOSVD】

Paper：https://ieeexplore.ieee.org/abstract/document/6126030

（DOI: 10.1109/TIP.2012.2183140）

作者：Junli Liang，Yang He（贺洋），Ding Liu（刘丁），西安理工大学自动化与信息工程学院

贺洋，Max Planck Institute for Informatics博士。

主页：

https://scholar.google.com/citations?user=OaAO-aIAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

https://www.mpi-inf.mpg.de/departments/computer-vision-and-multimodal-computing/people/yang-he/

4、文章：NSCT-based multimodal medical image fusion using pulse-coupled neural network and modified spatial frequency（点击下载文章）【医学图像融合】

Paper：https://link.springer.com/article/10.1007/s11517-012-0943-3

Code：https://drive.google.com/file/d/0Bxq5-QWgPHedUXo0VzdGbWxZa3c/view

作者：

Sudeb Das

主页：https://sites.google.com/site/wodrsdas/publica（该作者做了许多医学图像方面的研究）

https://scholar.google.com/citations?user=viK7TRUAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

Malay Kumar Kundu

主页：https://www.isical.ac.in/~malay/

https://scholar.google.com/citations?user=0589ICUAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

【2011】

1、文章：Multimodal image fusion with joint sparsity model 【JSR】

Paper：https://doi.org/10.1117/1.3584840

附：Joint sparsity model improves multimodal image fusion

作者：尹海涛，李树涛，湖南大学。

2、文章：Image Features Extraction and Fusion Based on Joint Sparse Representation 【JSR】

Paper：https://ieeexplore.ieee.org/document/5709967

作者：

余南南，江苏师范大学教师，大连理工大学博士（导师：邱天爽）

邱天爽，大连理工大学教授，博导。

教师个人主页：http://faculty.dlut.edu.cn/qiutsh/zh_CN/index.htm

3、文章：Image fusion technique using multi-resolution singular value decomposition（点击下载文章）【MSVD】

Paper：https://nal-ir.nal.res.in/11320/

Code：https://ww2.mathworks.cn/matlabcentral/fileexchange/38802-image-fusion-technique-using-multi-resolution-singular-value-decomposition（代码包中包含了论文原文）

作者：VPS Naidu（发表了多篇图像融合论文）

主页：https://scholar.google.com/citations?user=pdAZ1wsAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

代码网址：https://ww2.mathworks.cn/matlabcentral/fileexchange/?term=authorid%3A104729（该网页内作者提供了多个经典图像融合算法的代码）

4、文章：Generalized Random Walks for Fusion of Multi-Exposure Images 【多曝光图像融合】

Paper：https://ieeexplore.ieee.org/abstract/document/5762601

（DOI: 10.1109/TIP.2011.2150235）

Code：https://sites.ualberta.ca/~rshen/papers/tip11/

作者：

Rui Shen

https://sites.ualberta.ca/~rshen/

https://scholar.google.com/citations?user=LOBosaUAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

https://sites.ualberta.ca/~rshen/projects/if/index.html（该网页是作者Rui Shen的图像融合项目网页）

Jianbo Shi

https://scholar.google.com/citations?user=Sm14jYIAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

Anup Basu

https://scholar.google.com/citations?user=x8Nn-jQAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

【2008】

1、文章：Image Fusion Algorithm Based on Spatial Frequency-Motivated Pulse Coupled Neural Networks in Nonsubsampled Contourlet Transform Domain

Paper：https://doi.org/10.1016/S1874-1029(08)60174-3（DOI：10.1016/S1874-1029(08)60174-3）

Code：http://csrc.xmu.edu.cn（网页内——‘software’栏目内，最下面找到本文题目，点击进去。貌似链接失效了。可以去该网页下，找到“Toolbox for High quality multi-focus image fusion using self-similarity and depth information”，下载代码包，里面包含了我们要找的本文的代码。）

作者：屈小波，厦门大学。

【2007】

1、文章：A novel image fusion algorithm based on bandelet transform

Paper：https://www.osapublishing.org/col/abstract.cfm?uri=col-5-10-569

作者：Xiaobo Qu（屈小波）, Jingwen Yan（闫敬文）, Guofu Xie（谢国富）, Ziqian Zhu, and Bengang Chen

屈小波，厦门大学，副教授，博导

主页：

http://csrc.xmu.edu.cn/xiaobo/index_cn.html

https://esci.xmu.edu.cn/e6/48/c9602a190024/page.psp

https://scholar.google.com/citations?user=JXw9c2sAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

谢国富, University of Montreal（蒙特利尔大学）

主页：http://lcs.ios.ac.cn/~guofu/

https://scholar.google.com/citations?user=6LT9mQYAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

【2003】

1、文章：A general framework for multiresolution image fusion: from pixels to regions【综述文章】【关于传统的多分辨率的图像融合】

Paper：https://doi.org/10.1016/S1566-2535(03)00046-0

作者：Gemma Piella

主页：https://scholar.google.com/citations?user=Q6zjCpsAAAAJ&hl=zh-CN&oi=sra（Google学术主页）

====================== 分 ========== 割 ========== 线 ======================

PS：早期的代码中用到的某些函数可能随着MATLAB版本的升级更新，会被删掉，导致运行错误。解决办法就是在自己电脑上保留着低版本的MATLAB。然后用到哪个函数，复制出来粘贴到代码文件夹里。

你可能感兴趣的:(图像融合)

matlab图像融合技术研究柠檬少少开发人工智能计算机视觉
目录摘要......................................................................................................................1Abstract.....................................................................
2-88 基于matlab的四叉树加权聚焦多聚焦图像融合 'Matlab学习与应用 matlab工程应用 matlab 人工智能计算机视觉全聚焦图像加权焦点测量方法四叉树加权聚焦多聚焦图像融合
基于matlab的四叉树加权聚焦多聚焦图像融合，的四叉树分解策略将源图像被分解成四叉树结构中具有最佳尺寸的块。在这个树形结构中，使用一种新的加权焦点测量方法（名为加权修正拉普拉斯之和）来检测焦点区域。可以很好地从源图像中提取出来，并重建生成一幅全聚焦图像。由于采用了四叉树分解策略和新的加权焦点测量法，因此所提出的算法简单而有效。程序已调通，可直接运行。2-88加权焦点测量方法-小红书(xiaoho
opencv-python 图像增强十七：泊松图像融合 CV-King opencv python 人工智能算法计算机视觉 numpy
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、概述二，实现：前言在深入探讨图像处理与计算机视觉领域的过程中，我们不禁对图像融合技术的精妙与实用性感到着迷。图像融合不仅是一项融合了美学与科学的技术手段，它还巧妙地将来源各异、特性不同的图像数据整合为一体，从而生成视觉上连贯且富含信息的合成图像。本篇博客文章旨在详尽解析OpenCV库中的一项高级功能cv2.seamle
深度学习100问39:阿达玛乘积在实际生活中的应用不断持续学习ing 人工智能自然语言处理机器学习
嘿，你知道吗？阿达玛乘积在我们的生活中可有着不少神奇的应用呢！一、图像处理领域在图像处理的世界里，阿达玛乘积就像是一个神奇的画笔。比如说图像融合吧，想象一下，你有两张超酷的照片，一张是美丽的风景照，另一张是带有超炫艺术滤镜的图片。通过阿达玛乘积，就好像让这两张照片上的每个小像素都来一场“亲密合作”。结果呢，你就得到了一张既有清晰风景又带有独特艺术风格的全新照片，是不是很神奇？还有在计算机视觉中，阿
python的图像融合及图像的类型转换学习笔记 yava_free python 学习笔记
一、图像加法运算1.Numpy库加法其运算方法是：目标图像=图像1+图像2，运算结果进行取模运算。当像素值255时，结果为对255取模的结果，例如：(255+64)%255=642.OpenCV加法运算另一种方法是直接调用OpenCV库实现图像加法运算，方法如下：目标图像=cv2.add(图像1,图像2)此时结果是饱和运算，即：当像素值255时，结果为255，例如：(255+64)=255两种方法
2-79 基于matlab的卷积稀疏的形态成分分析的医学图像融合顶呱呱程序 matlab工程应用 matlab 计算机视觉人工智能 CS-MCA模型医学图像融合卷积稀疏的形态成分分析
基于matlab的卷积稀疏的形态成分分析的医学图像融合，基于卷积稀疏性的形态分量分析(CS-MCA)的稀疏表示(SR)模型，用于像素级医学图像融合。通过CS-MCA模型使用预先学习的字典获得其卡通和纹理组件的CSR。然后，合并所有源图像的稀疏系数，并使用相应的字典重建融合分量。最后，实现融合图像计算。程序已调通，可直接运行。2-79卷积稀疏的形态成分分析-小红书(xiaohongshu.com)
MATLAB图像拼接算法及实现程序员小溪算法 matlab 计算机视觉 MATLAB 人工智能
图像拼接算法及实现（一）论文关键词：图像拼接图像配准图像融合全景图论文摘要：图像拼接(imagemosaic)技术是将一组相互间重叠部分的图像序列进行空间匹配对准,经重采样合成后形成一幅包含各图像序列信息的宽视角场景的、完整的、高清晰的新图像的技术。图像拼接在摄影测量学、计算机视觉、遥感图像处理、医学图像分析、计算机图形学等领域有着广泛的应用价值。一般来说,图像拼接的过程由图像获取,图像配准,图像
深入了解OpenCVSharp中常见的图像处理功能仰望大佬007 图像处理 opencv 计算机视觉 c#
深入了解OpenCVSharp中常见的图像处理功能前言1.图像加载与保存2.图像基本操作3.图像滤波4.边缘检测5.图像分割6.特征检测与描述子7.目标识别与跟踪8.图像融合与拼接9.形状匹配与模板匹配10.颜色空间转换与直方图11.图像转换与绘制12.图像分类与机器学习13.高级图像处理算法14.GPU加速与并行计算前言OpenCVSharp是C#语言中用于图像处理和计算机视觉的开源库，它提供了
python作品创意简单,python艺术创作 chatgpt002 数据分析
大家好，本文将围绕python作品创意简单展开说明，python创意作品是一个很多人都想弄明白的事情，想搞清楚python的作品集需要先了解以下几个事情。1、如何生成二维高斯与Python在图像处理以及图像特效中，经常会用到一种成高斯分布的蒙版，蒙版可以用来做图像融合，将不同内容的两张图像结合蒙版，可以营造不同的艺术效果。I=M∗F+(1−M)∗B这里I表示合成后的图像，F表示前景图，B表示背景图
图像融合去雾、近红外去雾、(近)红外和可见光数据集夏梦星晨图像去雾夜景图像去雾低光照增强稠密雾去除去除沙尘
今天给大家分享一篇发表在IEEETMM上的去雾文章JointContrastEnhancementandExposureFusionforReal-WorldImageDehazing作者从对比度增强和曝光融合的视角来解决图像去雾问题，在真实场景上取得了较好的去雾效果。此外，作者将所提出的方法应用于手机人像编辑，低光照增强，夜景图像去雾等场景，均验证了所提方法的泛化性及有效性。所提方法，如下图所示
图像拼接（Image Stiching）方向论文微总结 yyywxk
图像拼接任务对于目前主流视觉任务来说比较偏，目前基于深度学习的框架还不成熟，而且拼接任务里面很多小点都可以单独拿出来研究，比如聚焦或迁移到单应矩阵，图像对齐，图像融合，视频防抖，图像矩形化等。找到好的研究场景，既能发文又能有实用价值。现简单整理近几年的相关文章，如有遗漏还望读者指出。期刊近几年NaturalImageStitchingUsingDepthMapsPaper：Arxiv2022Blo
Opencv -- 007滚动条操作演示 - 图像融合函数addWeighted xuechanba 笔记 opencv
1、滚动条操作–对比度addWeighted函数利用公式dst=src1*alpha+src2*beta+gamma;来计算两个数组（图像）的加权和，换句话说就是两个图像按照一定比例融合，然后生成新的图像。06_opencv_mat.h#pragmaonce#ifndef_06_OPENCV_MAT_H#define_06_OPENCV_MAT_H#includeusingnamespacecv;
点云从入门到精通技术详解100篇-基于点云和图像融合的智能驾驶目标检测(中) 格图素书目标跟踪人工智能计算机视觉
2.1.2数据源选型分析良好的数据输入是实现准确且鲁棒的3D目标检测的基础，下面针对不同的传感器组合方式进行分析：（1）摄像头和惯性测量单元：利用惯性测量单元的特性加强摄像头在运动状态下的抗干扰能力，可以有效提高感知算法在高速行驶场景下的检测精度，但依旧是依靠摄像头数据进行3D目标的检测，受环境及天气状况影响较大；（2）激光雷达和惯性测量单元：利用惯性测量单元可以抵消激光雷达在运动过程中产生的测量
TextDiffuser-2：超越DALLE-3的文本图像融合技术努力犯错人工智能语言模型自然语言处理 stable diffusion chatgpt
概述近年来，扩散模型在图像生成领域取得了显著进展，但在文本图像融合方面依然存在挑战。TextDiffuser-2的出现，标志着在这一领域的一个重要突破，它成功地结合了大型语言模型的能力，以实现更高效、多样化且美观的文本图像融合。Huggingface模型下载：https://huggingface.co/JingyeChen22/textdiffuser2_layout_plannerAI快站模型
电影动画用云渲染好吗？有什么优势 Renderbus瑞云渲染农场渲染知识云渲染渲染农场动画云渲染效果图云渲染 3d云渲染农场
动画电影的创作是一个将声音和图像融合以产生视觉故事的过程，电影通常是由一系列静止图像构成，其中每一幅静止图像称为一帧。动画电影的流畅度依赖于每秒播放的帧数，常见的帧率有25、60、90或120帧每秒等，具体取决于制片方的选择和制作标准。这些影片通常具有高分辨率，以及对细节的精细处理，因此渲染这些帧需要强大的计算能力。利用云渲染服务，可以带来诸多优势，如提高渲染效率、降低成本和提供更大的灵活性，而这
多摄拼接技术方案，无缝超广角视觉体验美摄科技人工智能音视频 ar
在当今的科技时代，多摄像头拍摄技术已经成为了车辆、智能硬件等领域的必备技术。然而，如何将多个画面进行实时处理，消除拼缝、亮度不均、变形等问题，从而获得一个超广角、360°的超大视野图像，一直是行业内的一大挑战。今天，美摄科技带来了一种全新的解决方案——多摄拼接技术方案。美摄科技的多摄拼接技术方案，是基于多摄像头拍摄画面，通过利用美摄的图像融合算法和智能化拼接算法，对多个画面进行实时处理。这种技术方
GEEHSV图像融合赤豆冰棍
HSV图像融合主要功能对LC8影像，进行HSV图像融合代码//HSV-basedPan-Sharpening.//GrabasampleL8imageandpullouttheRGBandpanbands.varimage=ee.Image(ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA').filterDate('2017-01-01','2017-12-
图像融合论文阅读：ReFusion：通过元学习的从可学习损失重建中学习图像融合图像强论文阅读图像融合图像处理深度学习论文笔记元学习
@article{bai2023refusion,title={ReFusion:LearningImageFusionfromReconstructionwithLearnableLossviaMeta-Learning},author={Bai,HaowenandZhao,ZixiangandZhang,JiangsheandWu,YichenandDeng,LilunandCui,Yukun
midjourney绘画指令怎么输出 midjourney绘画关键词怎么弄氧惠好项目
midjourneyAI绘画工具是一款基于人工智能技术的图像绘画应用。它采用了一种称为“神经样式转换”的技术，能够将一张风格独特的图像和一张内容图像融合，生成一张具有新风格的图像。midjourney支持以下绘画指令：大家好，我是氧惠的波西导师。在开始本文的交流之前，我想向大家介绍一款网购省钱利器——氧惠APP，同时也是一项难得的零投入零成本的创业项目。官方邀请码088886，此码注册直升v5等级
图像融合论文阅读：CS2Fusion: 通过估计特征补偿图谱实现自监督红外和可见光图像融合的对比学习图像强图像融合论文阅读图像处理人工智能论文笔记深度学习图像融合
@article{wang2024cs2fusion,title={CS2Fusion:ContrastivelearningforSelf-Supervisedinfraredandvisibleimagefusionbyestimatingfeaturecompensationmap},author={Wang,XueandGuan,ZhengandQian,WenhuaandCao,Jind
图像融合论文阅读：CrossFuse: 一种基于交叉注意机制的红外与可见光图像融合方法图像强图像融合论文阅读图像处理论文笔记深度学习人工智能
@article{li2024crossfuse,title={CrossFuse:Anovelcrossattentionmechanismbasedinfraredandvisibleimagefusionapproach},author={Li,HuiandWu,Xiao-Jun},journal={InformationFusion},volume={103},pages={102147}
图像融合论文阅读：A Deep Learning Framework for Infrared and Visible Image Fusion Without Strict Registration 图像强图像融合论文阅读深度学习人工智能图像融合图像处理论文笔记
@article{li2023deep,title={ADeepLearningFrameworkforInfraredandVisibleImageFusionWithoutStrictRegistration},author={Li,HuafengandLiu,JunyuandZhang,YafeiandLiu,Yu},journal={InternationalJournalofComput
图像融合论文阅读：(DIF-Net)Unsupervised Deep Image Fusion With Structure Tensor Representations 图像强图像融合论文阅读图像融合图像处理深度学习人工智能
@article{jung2020unsupervised,title={Unsuperviseddeepimagefusionwithstructuretensorrepresentations},author={Jung,HyungjooandKim,YoungjungandJang,HyunsungandHa,NamkooandSohn,Kwanghoon},journal={IEEETra
图像融合论文阅读：MURF: Mutually Reinforcing Multi-Modal Image Registration and Fusion 图像强图像融合论文阅读图像融合图像处理深度学习论文笔记
@article{xu2023murf,title={MURF:MutuallyReinforcingMulti-modalImageRegistrationandFusion},author={Xu,HanandYuan,JitengandMa,Jiayi},journal={IEEETransactionsonPatternAnalysisandMachineIntelligence},yea
多源图像融合训练的脚本示例（Matlab训练多个输入的CNN模型） foddcusL 图像处理深度学习 cnn 人工智能神经网络
简介：在常规的CNN图像训练中，matlab和pytorch都提供了很多标准示例，但其输入都是N*N*3的图像，在部分场景下，研究人员想要模型参考多个角度或不同源的成像数据得出一个综合的输出，这样模型能够考虑到更多的特征细节以提高预测精度。本文参考了题为‘NoninvasiveDetectionofSaltStressinCottonSeedlingsbyCombiningMulticolorFl
基于PCA-WA（Principal Component Analysis-weight average）的图像融合方法 Matlab代码及示例 foddcusL 图像处理试验数据分析文件工具 matlab 图像处理
摘要：高效地将多通道的图像数据压缩（如高光谱、多光谱成像数据）至较低的通道数，对提高深度学习（DL）模型的训练速度和预测至关重要。本文主要展示利用PCA降维结合weight-average的图像融合方法。文章主要参考了题为“NoninvasiveDetectionofSaltStressinCottonSeedlingsbyCombiningMulticolorFluorescence–Multi
图像融合论文阅读：Real-time infrared and visible image fusion network using adaptive pixel weighting strategy qiang42 图像融合论文阅读图像处理人工智能深度学习论文笔记图像融合
@article{zhang2023real,title={Real-timeinfraredandvisibleimagefusionnetworkusingadaptivepixelweightingstrategy},author={Zhang,XuchongandZhai,HanandLiu,JiaxingandWang,ZhipingandSun,Hongbin},journal={In
图像融合论文阅读：Dif-fusion: Towards high color fidelity in infrared and visible image fusion with diffusion qiang42 图像融合论文阅读深度学习图像融合图像处理人工智能论文笔记
@article{yue2023dif,title={Dif-fusion:Towardshighcolorfidelityininfraredandvisibleimagefusionwithdiffusionmodels},author={Yue,JunandFang,LeyuanandXia,ShaoboandDeng,YueandMa,Jiayi},journal={arXivprepri
图像融合论文阅读：DDFM: Denoising Diffusion Model for Multi-Modality Image Fusion qiang42 图像融合论文阅读图像处理论文笔记深度学习人工智能图像融合
@article{zhao2023ddfm,title={DDFM:denoisingdiffusionmodelformulti-modalityimagefusion},author={Zhao,ZixiangandBai,HaowenandZhu,YuanzhiandZhang,JiangsheandXu,ShuangandZhang,YulunandZhang,KaiandMeng,Dey
水下图像融合增强（Matlab代码实现） @橘柑橙柠桔柚图像增强图像处理计算机视觉 matlab
欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：1概述2运行结果3参考文献4Matlab代码实现1概述针对水下光的吸收和散射作用，水下图像往往存在颜色失真、对比度低、细节模糊等现象，提出了一种新的水下图像增强算法。首先，以颜色校正的方式改进了一种基于暗通道先验(DCP)的水上图像增强方法，使其可以更好地用于水下图像，并
关于旗正规则引擎下载页面需要弹窗保存到本地目录的问题何必如此 jsp 超链接文件下载窗口
生成下载页面是需要选择“录入提交页面”，生成之后默认的下载页面<a>标签超链接为：<a href="<%=root_stimage%>stimage/image.jsp?filename=<%=strfile234%>&attachname=<%=java.net.URLEncoder.encode(file234filesourc
【Spark九十八】Standalone Cluster Mode下的资源调度源代码分析 bit1129 cluster
在分析源代码之前，首先对Standalone Cluster Mode的资源调度有一个基本的认识：首先，运行一个Application需要Driver进程和一组Executor进程。在Standalone Cluster Mode下，Driver和Executor都是在Master的监护下给Worker发消息创建(Driver进程和Executor进程都需要分配内存和CPU，这就需要Maste
linux上独立安装部署spark daizj linux 安装 spark 1.4 部署
下面讲一下linux上安装spark，以 Standalone Mode 安装 1）首先安装JDK 下载JDK：jdk-7u79-linux-x64.tar.gz ，版本是1.7以上都行，解压 tar -zxvf jdk-7u79-linux-x64.tar.gz 然后配置 ~/.bashrc&nb
Java 字节码之解析一周凡杨 java 字节码 javap
一： Java 字节代码的组织形式类文件 { OxCAFEBABE ，小版本号，大版本号，常量池大小，常量池数组，访问控制标记，当前类信息，父类信息，实现的接口个数，实现的接口信息数组，域个数，域信息数组，方法个数，方法信息数组，属性个数，属性信息数组 } &nbs
java各种小工具代码 g21121 java
1.数组转换成List import java.util.Arrays; Arrays.asList(Object[] obj); 2.判断一个String型是否有值 import org.springframework.util.StringUtils; if (StringUtils.hasText(str)) 3.判断一个List是否有值 import org.spring
加快FineReport报表设计的几个心得体会老A不折腾 finereport
一、从远程服务器大批量取数进行表样设计时，最好按“列顺序”取一个“空的SQL语句”，这样可提高设计速度。否则每次设计时模板均要从远程读取数据，速度相当慢！！二、找一个富文本编辑软件（如NOTEPAD+）编辑SQL语句，这样会很好地检查语法。有时候带参数较多检查语法复杂时，结合FineReport中生成的日志，再找一个第三方数据库访问软件（如PL/SQL）进行数据检索，可以很快定位语法错误。
mysql linux启动与停止墙头上一根草
如何启动/停止/重启MySQL一、启动方式1、使用 service 启动：service mysqld start2、使用 mysqld 脚本启动：/etc/inint.d/mysqld start3、使用 safe_mysqld 启动：safe_mysqld&二、停止1、使用 service 启动：service mysqld stop2、使用 mysqld 脚本启动：/etc/inin
Spring中事务管理浅谈 aijuans spring 事务管理
Spring中事务管理浅谈 By Tony Jiang@2012-1-20 Spring中对事务的声明式管理拿一个XML举例 [html] view plain copy print ? <?xml version="1.0" encoding="UTF-8"?>&nb
php中隐形字符65279（utf-8的BOM头）问题 alxw4616
php中隐形字符65279（utf-8的BOM头）问题今天遇到一个问题. php输出JSON 前端在解析时发生问题:parsererror. 调试: 1.仔细对比字符串发现字符串拼写正确.怀疑是非打印字符的问题. 2.逐一将字符串还原为unicode编码. 发现在字符串头的位置出现了一个 65279的非打印字符.
调用对象是否需要传递对象(初学者一定要注意这个问题) 百合不是茶对象的传递与调用技巧
类和对象的简单的复习,在做项目的过程中有时候不知道怎样来调用类创建的对象,简单的几个类可以看清楚,一般在项目中创建十几个类往往就不知道怎么来看为了以后能够看清楚,现在来回顾一下类和对象的创建,对象的调用和传递(前面写过一篇) 类和对象的基础概念: JAVA中万事万物都是类类有字段(属性),方法,嵌套类和嵌套接
JDK1.5 AtomicLong实例 bijian1013 java thread java多线程 AtomicLong
JDK1.5 AtomicLong实例类 AtomicLong 可以用原子方式更新的 long 值。有关原子变量属性的描述，请参阅 java.util.concurrent.atomic 包规范。AtomicLong 可用在应用程序中（如以原子方式增加的序列号），并且不能用于替换 Long。但是，此类确实扩展了 Number，允许那些处理基于数字类的工具和实用工具进行统一访问。
自定义的RPC的Java实现 bijian1013 java rpc
网上看到纯java实现的RPC，很不错。 RPC的全名Remote Process Call，即远程过程调用。使用RPC，可以像使用本地的程序一样使用远程服务器上的程序。下面是一个简单的RPC 调用实例，从中可以看到RPC如何
【RPC框架Hessian一】Hessian RPC Hello World bit1129 Hello world
什么是Hessian The Hessian binary web service protocol makes web services usable without requiring a large framework, and without learning yet another alphabet soup of protocols. Because it is a binary p
【Spark九十五】Spark Shell操作Spark SQL bit1129 shell
在Spark Shell上，通过创建HiveContext可以直接进行Hive操作 1. 操作Hive中已存在的表 [hadoop@hadoop bin]$ ./spark-shell Spark assembly has been built with Hive, including Datanucleus jars on classpath Welcom
F5　往header加入客户端的ip ronin47
when HTTP_RESPONSE {if {[HTTP::is_redirect]}{ HTTP::header replace Location [string map {:port/ /} [HTTP::header value Location]]HTTP::header replace Lo
java-61-在数组中，数字减去它右边(注意是右边)的数字得到一个数对之差. 求所有数对之差的最大值。例如在数组{2, 4, 1, 16, 7, 5, bylijinnan java
思路来自： http://zhedahht.blog.163.com/blog/static/2541117420116135376632/ 写了个java版的 public class GreatestLeftRightDiff { /** * Q61.在数组中，数字减去它右边(注意是右边)的数字得到一个数对之差。 * 求所有数对之差的最大值。例如在数组
mongoDB 索引开窍的石头 mongoDB索引
在这一节中我们讲讲在mongo中如何创建索引得到当前查询的索引信息 db.user.find(_id:12).explain(); cursor: basicCoursor 指的是没有索引 &
[硬件和系统]迎峰度夏 comsci 系统
从这几天的气温来看，今年夏天的高温天气可能会维持在一个比较长的时间内所以，从现在开始准备渡过炎热的夏天。。。。每间房屋要有一个落地电风扇，一个空调(空调的功率和房间的面积有密切的关系) 坐的，躺的地方要有凉垫，床上要有凉席电脑的机箱
基于ThinkPHP开发的公司官网 cuiyadll 行业系统
后端基于ThinkPHP，前端基于jQuery和BootstrapCo.MZ 企业系统轻量级企业网站管理系统运行环境:PHP5.3+, MySQL5.0 系统预览系统下载：http://www.tecmz.com 预览地址：http://co.tecmz.com 各种设备自适应响应式的网站设计能够对用户产生友好度，并且对于
Transaction and redelivery in JMS (JMS的事务和失败消息重发机制) darrenzhu jms 事务承认 MQ acknowledge
JMS Message Delivery Reliability and Acknowledgement Patterns http://wso2.com/library/articles/2013/01/jms-message-delivery-reliability-acknowledgement-patterns/ Transaction and redelivery in
Centos添加硬盘完全教程 dcj3sjt126com linux centos hardware
Linux的硬盘识别: sda 表示第1块SCSI硬盘 hda 表示第1块IDE硬盘 scd0 表示第1个USB光驱一般使用“fdisk -l”命
yii2 restful web服务路由 dcj3sjt126com PHP yii2
路由随着资源和控制器类准备，您可以使用URL如 http://localhost/index.php?r=user/create访问资源，类似于你可以用正常的Web应用程序做法。在实践中，你通常要用美观的URL并采取有优势的HTTP动词。例如，请求POST /users意味着访问user/create动作。这可以很容易地通过配置urlManager应用程序组件来完成如下所示
MongoDB查询(4)——游标和分页[八] eksliang mongodb MongoDB游标 MongoDB深分页
转载请出自出处：http://eksliang.iteye.com/blog/2177567 一、游标数据库使用游标返回find的执行结果。客户端对游标的实现通常能够对最终结果进行有效控制，从shell中定义一个游标非常简单，就是将查询结果分配给一个变量（用var声明的变量就是局部变量），便创建了一个游标，如下所示： > var
Activity的四种启动模式和onNewIntent() gundumw100 android
Android中Activity启动模式详解　　在Android中每个界面都是一个Activity，切换界面操作其实是多个不同Activity之间的实例化操作。在Android中Activity的启动模式决定了Activity的启动运行方式。　　Android总Activity的启动模式分为四种： Activity启动模式设置： <acti
攻城狮送女友的CSS3生日蛋糕 ini html Web html5 css css3
在线预览：http://keleyi.com/keleyi/phtml/html5/29.htm 代码如下： <!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title>攻城狮送女友的CSS3生日蛋糕-柯乐义<
读源码学Servlet（1）GenericServlet 源码分析 jzinfo tomcat Web servlet 网络应用网络协议
Servlet API的核心就是javax.servlet.Servlet接口，所有的Servlet 类（抽象的或者自己写的）都必须实现这个接口。在Servlet接口中定义了5个方法，其中有3个方法是由Servlet 容器在Servlet的生命周期的不同阶段来调用的特定方法。先看javax.servlet.servlet接口源码： package
JAVA进阶：VO(DTO)与PO(DAO)之间的转换 snoopy7713 java VO Hibernate po
PO即 Persistence Object　　VO即 Value Object 　VO和PO的主要区别在于：　　VO是独立的Java Object。　　PO是由Hibernate纳入其实体容器（Entity Map）的对象，它代表了与数据库中某条记录对应的Hibernate实体，PO的变化在事务提交时将反应到实际数据库中。　实际上，这个VO被用作Data Transfer
mongodb group by date 聚合查询日期统计每天数据（信息量） qiaolevip 每天进步一点点学习永无止境 mongodb 纵观千象
/* 1 */ { "_id" : ObjectId("557ac1e2153c43c320393d9d"), "msgType" : "text", "sendTime" : ISODate("2015-06-12T11:26:26.000Z")
java之18天常用的类(一) Luob. Math Date System Runtime Rundom
System类 import java.util.Properties; /** * System: * out:标准输出,默认是控制台 * in:标准输入,默认是键盘 * * 描述系统的一些信息 * 获取系统的属性信息:Properties getProperties(); * * * */ public class Sy
maven wuai maven
1、安装maven：解压缩、添加M2_HOME、添加环境变量path 2、创建maven_home文件夹，创建项目mvn_ch01,在其下面建立src、pom.xml，在src下面简历main、test、main下面建立java文件夹 3、编写类，在java文件夹下面依照类的包逐层创建文件夹，将此类放入最后一级文件夹 4、进入mvn_ch01 4.1、mvn compile ,执行后会在

图像融合论文及代码网址整理总结（3）——题目中未加区分的图像融合算法

【2019】

1、文章：A survey on region based image fusion methods 【综述文章】

【2018】

1、文章：Deep learning for pixel-level image fusion: Recent advances and future prospects 【综述文章】【深度学习】

2、文章：Medical image fusion with parameter-adaptive pulse coupled neural network in nonsubsampled shearlet transform domain

3、文章：Image Fusion through Deep Convolutional Neural Network and Laplacian Pyramid（点击下载文章） 【CNN】【深度学习】

4、文章：Sparse representation based multi-sensor image fusion for multi-focus and multi-modality images: A review 【综述文章】

5、文章：Structure-aware image fusion

6、文章：Convolutional neural network-based multimodal image fusion via similarity learning in the shearlet domain 【CNN】【深度学习】

7、文章：Scale-Invariant Structure Saliency Selection for Fast Image Fusion

【2017】

1、文章：Pixel-level image fusion: A survey of the state of the art【综述文章】

2、文章：Simultaneous image fusion and denosing with adaptive sparse representation

3、文章：A medical image fusion method based on convolutional neural networks 【深度学习】

【2016】

1、文章：Image fusion with convolutional sparse representation 【CSR】

2、文章：Joint patch clustering-based dictionary learning for multimodal image fusion 【JCPD】

3、文章：Image fusion via nonlocal sparse K-SVD dictionary learning 【SR】【字典学习】

4、文章：Remote Sensing Image Fusion with Convolutional Neural Network 【CNN】【遥感图像融合】

【2015】

1、文章：A general framework for image fusion based on multi-scale transform and sparse representation（点击下载文章） 【MST-SR】

2、文章：Simultaneous image fusion and denosing with adaptive sparse representation 【ASR】

3、文章：Sparse representation with learned multiscale dictionary for image fusion

【2014】

1、文章：Visual attention guided image fusion with sparse representation

2、文章：Multimodal image fusion via sparse representation with local patch dictionaries 【LPD】

3、文章：Medical image fusion: A survey of the state of the art 【综述文章】【医学图像融合】

4、文章：Hybrid DDCT-PCA based multi sensor image fusion（点击下载文章）

【2013】

1、文章：Simultaneous image fusion and super-resolution using sparse representation

2、文章：Image fusion with guided filtering（点击下载文章） 【GFF】

3、文章：Dictionary learning method for joint sparse representation-based image fusion（点击下载文章） 【JSR】

4、文章：A Neuro-Fuzzy Approach for Medical Image Fusion 【医学图像融合】

5、文章：Image fusion based on pixel significance using cross bilateral filter 【CBF】

6、文章：Multifocus and Multispectral Image Fusion based on Pixel Significance using Discrete Cosine Harmonic Wavelet Transform 【DCHWT】

【2012】

1、文章：Group-sparse representation with dictionary learning for medical image denoising and fusion 【GSR】

2、文章：Pixel-level image fusion with simultaneous orthogonal matching pursuit 【SOMP】

3、文章：Image fusion using higher order singular value decomposition 【HOSVD】

4、文章：NSCT-based multimodal medical image fusion using pulse-coupled neural network and modified spatial frequency（点击下载文章） 【医学图像融合】

【2011】

1、文章：Multimodal image fusion with joint sparsity model 【JSR】

2、文章：Image Features Extraction and Fusion Based on Joint Sparse Representation 【JSR】

3、文章：Image fusion technique using multi-resolution singular value decomposition（点击下载文章） 【MSVD】

4、文章：Generalized Random Walks for Fusion of Multi-Exposure Images 【多曝光图像融合】

【2008】

1、文章：Image Fusion Algorithm Based on Spatial Frequency-Motivated Pulse Coupled Neural Networks in Nonsubsampled Contourlet Transform Domain

【2007】

1、文章：A novel image fusion algorithm based on bandelet transform

【2003】

1、文章：A general framework for multiresolution image fusion: from pixels to regions【综述文章】【关于传统的多分辨率的图像融合】

你可能感兴趣的:(图像融合)

3、文章：Image Fusion through Deep Convolutional Neural Network and Laplacian Pyramid（点击下载文章）【CNN】【深度学习】

1、文章：A general framework for image fusion based on multi-scale transform and sparse representation（点击下载文章）【MST-SR】

2、文章：Image fusion with guided filtering（点击下载文章）【GFF】

3、文章：Dictionary learning method for joint sparse representation-based image fusion（点击下载文章）【JSR】

4、文章：NSCT-based multimodal medical image fusion using pulse-coupled neural network and modified spatial frequency（点击下载文章）【医学图像融合】

3、文章：Image fusion technique using multi-resolution singular value decomposition（点击下载文章）【MSVD】