【图像融合】基于小波变换的 TMSST（Matlab实现）

 💥💥💞💞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：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

TMSST（基于小波变换的多尺度空时特征融合技术）是一种图像融合方法，结合了小波变换和多尺度空时特征的概念。 小波变换是一种信号处理技术，用于将信号分解成不同频率成分。在TMSST中，小波变换被用于分解可见光和红外图像，以获取它们的空间和频率信息。 多尺度空时特征是指图像在不同尺度和空间上的特征。这些特征可以包括边缘、纹理、颜色等。在TMSST中，多尺度空时特征被用于表示图像的局部和全局信息。MSST利用小波变换将可见光和红外图像分解成不同尺度的特征，然后对这些特征进行融合。通常，融合可以采用加权平均、最大响应等方法，以获取最终的融合图像。TMSST是一种基于小波变换的多尺度空时特征融合技术，能够有效地将可见光和红外图像进行融合，以获取更丰富的信息并提高图像质量。

📚2 运行结果

主函数部分代码：

clc; clear; close all;
%% Parameters
    N = 800;                   
    fs = 200;                 
    f = (0:N/2)*fs/N;               
    t = (0:N-1)/fs;          
    num = 1;
%% Test Signal  
%Mode1
A_f2 = exp(0.002*f);
Phi_f2 = -6*f+1.6*sin(0.2*f);
X2 = A_f2.*exp(-1i*2*pi*Phi_f2);
X2(end) = -A_f2(end);
Y2 = [X2  conj(fliplr(X2(2:end-1)))];
y2 = ifft(Y2);
%Mode2
y=y2;
figure;
plot(t,y)
ylabel('Amp / v')
axis([0 5 -0.1 0.1]);
[Ws1,Wx1,tau1,as1] = WTMSST_Z(y',0.001,'cmor12-2',1000,10);
[Ws2] = WTMSST_Z(y',0.001,'cmor12-2',1000,10);
fre=scal2frq(as1,'cmor12-2',1/fs);
figure
imagesc(t,fre,abs(Wx1))
ylabel('Fre / Hz');
xlabel('Time / s');
axis xy

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]陈国军,付云鹏,于丽香,等.自适应多尺度特征融合的单目图像深度估计[J/OL].计算机系统应用:1-8[2024-06-11].https://doi.org/10.15888/j.cnki.csa.009587.

[2]姜文涛,卜艺凡.融合CNN和Transformer的图像去噪网络[J/OL].计算机系统应用:1-13[2024-06-11].https://doi.org/10.15888/j.cnki.csa.009555.

🌈4 Matlab代码实现