图像融合相关论文学习及记录（持续更新）

图像融合

部分算法包含学习记录和代码，所有本文有实现的算法下载都放在Github里。

1、基于拉普拉斯金字塔分解的图像融合

  主要是对多源图像的拉普拉斯金字塔分层融合，然后重建。拉普拉斯金字塔本身作为各类多尺度算法的典型代表，在图像各个领域都有用到。在图像融合领域，可以作为一种多尺度融合算法的框架，继而对融合策略进行创新。可尝试用于各类图像的融合。

2、Image Fusion with Guided Filtering - 2013

  一种双尺度下融合的典型代表。所谓双尺度是指对每个原图进行平滑滤波，可以得到一张平滑图，再用原图减去平滑图，可以得到一张细节图，在平滑图和细节图的双尺度下进行融合算法的创新。本文利用Saliency（显著性）来构建融合权重，并利用Guided Filter（导向滤波）优化权重，对多源图像加权融合，思想简单但是好用，效果也不错。适用于多焦距、多光谱、高动态等融合场景。

3、Spectral Edge Image Fusion: Theory and Applications - 2014

  一种在图像梯度域融合后，再重建回标准图像的算法。该算法适用于用别的图像来增强RGB图像的场景，有产品落地并集成ISP硬件上，给出相关新闻和官网。该文是最原始的算法，后续还有相关的研究，现在肯定是做了很多优化了。我自己实现的代码对文中给出的部分示例图实现效果仍有差异，由于文中大量使用了矩阵论知识，不确定是否实现正确。如果有大佬复现本文的算法，教教我！

4、RGB-NIR Image Enhancement by Fusing Bilateral and Weighted Least Squares Filters - 2017

  类似论文2，是一种双尺度下的融合。利用了双边滤波和最小二乘滤波来分离尺度，赚到YUV空间，只对Y层和NIR红外图融合，增强细节。作为一篇SCI郊区的论文，确实不难，创新理由是第一个结合BF和WLS滤波器来提取更多细节的方法。

5、An Improve Fusion Method For Infrared And Low-Light Level Visble Image - 2017

  SCI二区的文章，在拉普拉斯融合框架下对可见光图和红外图融合，在拉普拉斯金字塔分解之前对可见光图作了Single Scale Retinex算法增强，融合策略用的是局部能量特征，都是零几年的算法，没有什么特别大的创新，强调了预处理的重要性，效果看论文还可以，但是自己实现的时候达不到，不知道是SSR算法参数没调好还是咋的。

6、基于局部能量特征和拉普拉斯金字塔的图像融合

  更为古老的方法，思想类似于【2】，效果也类似。局部能量特征在多尺度的图像融合问题上应用广泛。

[7、Contrast Enhanced Fusion of Infrared and Visible Images]