Image Fusion Using Morphological Analysis and Sparse Representation in Matlab

OMP算法（MATLAB）稀疏表示中用来求最优解。这个方法相对较好，并提供了相关的demo。

VLAD (Vector of Locally Aggregated Descriptors) is an extension of the Bag of Words (BoW) model. This function computes VLAD descriptors using information such as visual words and image descriptors. The size of the visual words matrix is determined by no_of_words x no_of_dimensions_of_descriptors, w

图像融合算法的MATLAB实现，包括灰度极大值融合、加权融合、相关系数融合、TOE融合、HIS融合、PCA融合等等。

在MATLAB中，可以通过编程实现对图像像素的均值和熵值的计算。这是图像处理中的重要步骤，能够帮助分析图像的复杂度和信息量。 图像像素均值计算 读取图像数据：首先使用 imread 函数读取指定的图像文件。 计算均值：通过 mean2 函数计算图像的像素均值。 图像熵值计算 灰度转换：若图像为彩色图像，需先使用 rgb2gray 函数转换为灰度图像。 熵值计算：使用 entropy 函数获取图像的熵值，用于表示图像的复杂度。 通过上述步骤，能够利用MATLAB快速获得图像的基本统计信息，从而进一步深入分析图像特性。

基于MATLAB的图像拼接（含MATLAB代码以及报告），里面有详细的代码。

图像强度值由反照率分量和阴影分量确定。反照率分量描述了地球表面不同物体的物理性质，土地覆盖类别因其固有的物理材料而彼此不同。因此，我们恢复高光谱图像的内在反照率特征以利用空间语义信息。然后，我们使用支持向量机（SVM）对恢复的固有反照率高光谱图像进行分类。SVM尝试最大化最小边距以实现良好的泛化性能。实验结果表明，在视觉质量和三个定量指标方面，具有内在反照率特征方法的SVM比最先进的方法实现了更好的分类性能。如果您使用这些代码，请引用论文： @文章{ZhanJEI2017july,作者= {詹、坤和王、海波和谢、元歌和张、楚彤和敏、玉芳}， title = {用于高光谱图像分类的反照率恢复}，

This document provides various examples of basic compressed sensing using the MATLAB function linprog. The following examples demonstrate how to apply compressed sensing techniques to different types of signals: ECG Signal Compression K-sparse Signal Recovery Audio Signal Compression Encrypted Data

JPEG压缩的Matlab代码在DCT域中使用奇异值分解的多焦点图像融合。多焦点图像融合是一种将来自不同焦距的场景中的多个图像融合为整个区域都聚焦的图像的过程。DCT域中的图像融合方法因其时间和能量消耗低、复杂度低而非常有效，尤其在视觉传感器网络（VSN）中以JPEG格式压缩定影图像时。提出了一种低复杂度的DCT域多焦点图像融合技术，提高了输出图像质量。该方法在嘈杂条件下稳定，使用8×8输入块的奇异值分解（SVD）的奇异值计算5个最大奇异值的几何平均值，作为聚焦块检测的标准。

在灰度变换法中，通过照片或电子方法得到的图像，常表现出低对比度，即整个图像偏亮或偏暗。为此，需要对图像中的每一像素的灰度级进行灰度变换，扩大图像灰度范围，以改善图像质量。这个灰度调整过程可以用 imadjust() 函数实现。