基于NSCT和HSI变换的图像融合源码。下载解压后可以直接运行。

提出了一种新的基于非下采样轮廓波（NSCT）和脉冲耦合神经网络（PCNN）相结合的自适应图像融合方法，对已经配准的源图像进行NSCT分解，得到低频子带系数和不同方向的高频子带系数，对NSCT分解的低频部分采用简单的加权平均融合规则；而高通子带系数，采用改进的拉普.斯能量作为PCNN链接强度的方法.最后，对融合的系数进行NSCT逆变换得到融合图像.实验结果表明，本文算法明显优于其他几种方法，具有更好的融合性能，清晰度更高，是一种可行、有效的图像融合方法，

这个是实现NSCT变换的matlab工具包

1、实现效果：《基于NSCT和改进Canny的图像边缘检测matlab实现》见链接：https://blog.csdn.net/SoaringLee_fighting/article/details/124779801 2、内容介绍：在大学毕业设计的时候，实现了基于NSCT和改进Canny的图像边缘检测算法，采用Matlab语言实现，边缘提取效果不错，与经典的Canny和Sobel算子相比，可以在抑制噪声的同时提取有效边缘分量。 3、适用人群：适用于计算机，电子信息工程等专业的大学生课程设计和毕业设计。 4、支持答疑：有问题可以订阅博主的《实用毕业设计》专栏（附链接 ：https://blog.csdn.net/soaringlee_fighting/category_9288245.html）或者直接购买资源后咨询博主。 5、质量保证：完整代码，可直接运行！里面包含说明文档。

SAR和可见光图像成像机理不同,图像差异较大,较难取得良好的融合效果。本文面向目标识别,通过分析图像的成像机理,首先在NSCT融合框架下,将SAR图像中重要的目标信息加入到可见光图像中,并尽可能多的保留源图像的边缘细节信息;再结合数学形态学和多尺度空间理论,提取源图像的亮、暗细节特征,进行特征级融合,得到亮、暗细节特征显著增强的融合图像。实验结果表明,本文算法有效的融合了SAR图像的目标信息,并增强了源图像的细节特征,达到了较好的视觉效果,提高了图像的目标检测和识别能力。

该代码对应的文献发表在IEEE Transactions on Multimedia杂志上，是图像融合领域中一种代表性的融合方法，对应的论文题目为Multi-modal medical image fusion based on by nonsubsampled contourlet transform

用于在Windows下进行Sctp的开发工作

提出一种基于非下采样Contourlet变换的径向基神经网络(RBF)自适应阂值去噪方法。在NSCT域通过RBF神经网络使目标误差函数GCV(T)的最小化,从而确定最优阂值,再通过软阂值函数去噪。利用NSCT的平移不变性来抑制伪Gibbs失真,从而能完整地保留图像的纹理和边缘等信息。实验结果表明,该方法可以有效去除高斯噪声,提高图像的峰值信噪比。

非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT) 类似小波变换，都是将源图像变换后对系数进行一些处理，再逆变换回目标图像。 NSCT是一种新型平移不变，多尺度，多方向性的快速变换。 NSCT是基于Nonsubsampled金字塔(NSP)和Nonsubsampled方向滤波器(NSDFB)的一种变换。首先由NSP对输入图像进行塔形分解，分解为高通和低通两个部分，然后由NSDFB将高频子带分解为多个方向子带，低频部分继续进行如上分解。

用于图像分解重构的matlab NSCT变换工具包