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

最新推荐文章于 2024-04-20 12:07:37 发布
置顶 最新推荐文章于 2024-04-20 12:07:37 发布
阅读量3.9w 收藏 171
点赞数 16
分类专栏： 图像融合 文章标签： 图像融合 论文整理 论文代码
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shitao99/article/details/85215086
版权
这篇博文整理了从2003年到2019年间，涵盖多聚焦、红外与可见光、医学等多个领域的图像融合论文。重点介绍了融合方法，如基于深度学习的CNN、Laplacian金字塔、稀疏表示和字典学习。文章不仅包含综述文章，还涉及实际应用，如医学图像融合和遥感图像融合。同时提供了论文的链接和代码资源，方便研究者参考和使用。
摘要由CSDN通过智能技术生成

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 ======================

目录

【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, I

最低0.47元/天 解锁文章
Daniel__Shi
关注
专栏目录
Structure-Aware_Image_Fusion:结构感知图像融合-matlab开发
05-29
大多数现有的多模式图像融合方法需要多尺度变换。 然而，这种要求并不一定会导致融合结果包含源图像的原始强度，多尺度变换需要很高的计算复杂度。 在本文中，我们以低计算复杂度解决空间域中的多模态图像融合问题。 开发了显着结构提取方法和结构保留滤波器来融合医学图像。 开发的结构保持滤波器具有在输入图像的大尺度结构附近恢复引导图像的小尺度细节的特性。 基于保结构滤波器的特性，将保结构滤波器的输出与源图像相结合，构建融合结果。 进行实验以证明所提出的方法与最先进的方法在三个性能指标方面的有效性。
matlab 图像双边滤波,matlab实现基于像素显著性的交叉双边滤波图像融合
weixin_42116701的博客
03-23 302
Image fusion based on pixel significance using cross bilateral filterThis software release consists of an implementation of the algorithm described in the paper:B. K. Shreyamsha Kumar, “Image fusion b...
图像融合论文及代码整理最全大合集
fovever_的博客
05-08 4万+
本博文全面整理了图像融合领域的论文及代码。主要包括红外和可见光图像融合，医学图像融合，多聚焦图像融合，多曝光图像融合以及全色图像锐化等众多融合场景。同时提供了每个融合场景中常用数据集的下载地址并整理了常用评估指标。有助于新人系统地了解图像融合领域的脉络及发展。............
【图像融合学习笔记002】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
EE_LegendNing ： 我于杀戮之中绽放，亦如黎明中的花朵
05-21 4505
写在前面的话： 本篇博文主要整理汇总一下现有的红外与可见光图像融合算法（文章和代码）。适当地，也会整理出作者的学术主页。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。 【2019】 1、文章：FusionGAN：A generative adversarial ne...
图像融合知识相关网页整理
Daniel_Shi的博客
12-22 2万+
之前发布了一篇博客，整理了一些学术论文中常用的图像融合数据集（数据库）的网址。这里附上博客链接： https://blog.csdn.net/shitao99/article/details/83994908 本篇博客主要想总结一下关于图像融合领域的一些网页。 1、Investigations of Image Fusion 网页：http://www.ece.lehigh.edu/...
【图像融合学习笔记001】图像融合论文及代码网址整理总结（1）——多聚焦图像融合
EE_LegendNing ： 我于杀戮之中绽放，亦如黎明中的花朵
05-21 4345
写在前面的话： 本篇博文主要整理汇总一下现有的多聚焦图像融合算法（文章和代码）。适当地，也会整理出相关作者的学术主页。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。 【2019】 1、文章：Multi-focus image fusion using deep su...
图像融合总结
图像基本操作
07-27 1万+
一、基于神经网络的图像融合方法 DenseFuse: A Fusion Approach to Infrared and Visible Images（有代码） （1）方法概述：一种新的基于深度学习的红外图像和可见图像融合的方法。与传统的卷积网络相比，编码网络与卷积层，融合层和密集块相结合，其中每一层的输出彼此相连。作者尝试在编码过程中从源图像中获取更多有用的feature，并设计了两个融合层（融合策略）以融合feature。 最后，通过解码器重建融合图像。编码器包含两个部分（C1和DenseBl
图像融合笔记（三）：TGFuse
qq_49641705的博客
08-02 792
TGFuse: An Infrared and Visible Image Fusion Approach Based on Transformer and Generative Adversarial Network（一种基于变换器和生成对抗网络的红外和可见光图像融合方法）TGFuse主要采用的两个技术是变换器和生成对抗网络。TGFuse的大框架是生成对抗网络的框架即整体框架可分为鉴别器和生成器。
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
热门推荐
Daniel_Shi的博客
12-23 6万+
写在前面的话： 本篇博文主要整理汇总一下现有的红外与可见光图像融合算法（文章和代码）。适当地，也会整理出作者的学术主页。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...
Structure-Aware_Image_Fusion:结构感知图像融合
05-10
结构感知图像融合 大多数现有的多模态图像融合方法需要多尺度变换。 但是，此要求不一定会导致融合结果包含源图像的原始强度，并且多尺度转换需要很高的计算复杂度。 在本文中，我们以低计算复杂度解决了空间域中的多模式图像融合问题。 提出了一种显着的结构提取方法和结构保留滤镜来融合医学图像。 所开发的结构保持滤波器具有恢复输入图像的大尺度结构附近的指导图像的小尺度细节的特性。 根据保留结构滤镜的性质，通过将保留结构滤镜的输出与源图像进行组合，构造融合结果。 进行了实验，以从三个性能指标方面证明与最新方法相比，该方法的有效性。 引文 如果您使用该代码，请引用以下文章，我们将不胜感激： @Article{zhan2016feature, author = {Li, W. and Xie, Y. and Zhou, H. and Han, Y. and Zhan, K.}, title =
Image Fusion With Convolutional Sparse Representation一文
10-25
Image Fusion With Convolutional Sparse Representation一文
image fusion
11-23
图像融合 通过最简单的实例 说明图像融合这一复杂的原理，可以通过修改融合规则来获取不同的融合效果
image super-resolution via sparse representation
06-04
文章中提出了一种基于稀疏表示的图像超分辨率算法研究
使用 DCHWT 基于像素显着性的多焦点和多光谱图像融合：使用 DCHWT 进行多焦点和多光谱图像融合的 Matlab 代码-matlab开发
05-29
此软件版本包含论文中描述的算法的实现： BK Shreyamsha Kumar，“使用离散余弦谐波小波变换基于像素意义的多焦点和多光谱图像融合”，信号、图像和视频处理，2012 年。（doi：10.1007/s11760-012-0361-x） 从http://link.springer.com/article/10.1007/s11760-012-0361-x下载原稿 从出版物链接中的https://sites.google.com/view/shreyamsha下载手稿草稿。
图像融合论文及代码网址整理总结（1）——多聚焦图像融合
Daniel_Shi的博客
12-23 5万+
写在前面的话： 本篇博文主要整理汇总一下现有的多聚焦图像融合算法（文章和代码）。适当地，也会整理出相关作者的学术主页。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（2）——红外与可见光图像融合 图像融合...
代码 马佳义_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...
weixin_39877805的博客
12-21 1499
写在前面的话：本篇博文主要整理汇总一下现有的红外与可见光图像融合算法(文章和代码)。适当地，也会整理出作者的学术主页。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(3...
【图像超分】论文精读：Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars
最新发布
畅游计算机视觉的海洋
04-20 1479
基于深度卷积的单幅图像超分辨率(SISR)网络包含了从大规模外部图像资源中学习局部恢复的好处，但现有的研究大多忽略了自然图像中的远程特征相似性。最近的一些工作通过探索非局部注意模块成功地利用了这种内在特征相关性。然而，目前的深度模型都没有研究图像的另一个固有属性：跨尺度特征相关性。在本文中，我们提出了第一个跨尺度非局部 (CS-NL) 注意力模块，并集成到循环神经网络中。通过将新的 CS-NL 先验与强大的循环融合单元中的局部和尺度内非局部先验相结合，我们可以在单个低分辨率 (LR) 图像中找到更多的跨尺度
图像融合笔记（二）：CGTF
qq_49641705的博客
07-22 1022
CGTT：Convolution-Guided Transformer for Infrared and Visible Image Fusion（用于红外和可见光图像融合的卷积引导变换器）特点：交替使用卷积特征提取模块（CFEM）和变换器特征提取模块（TFEM），用CFEM计算出来的局部特征来引导TFEM计算图像的长程相关性。这样可以兼顾局部特征和长程相关性，同时可以计算局部特征和长程相关性的内在关系。
CT与MRI图像融合算法实现与代码分享
子程序部分未在提供的代码片段中明确展示，但我们可以推测可能包括图像预处理步骤（如灰度校准、配准）、特征提取（例如边缘检测、纹理分析）、以及融合算法实现（例如基于多模态融合的加权平均、最大值、逻辑运算等...
评论 18
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值