非子采样Contourlet变换(NSCT)，是针对Contourlet变换的一些局限性进行了改进，可以对图像进行灵活的多尺度、多方向和平移不变性分解．提出了一种基于NSCT的多聚焦图像融合方法．首先对多聚焦图像进行NSCT变换；然后对变换得到的低频分量系数采用改进的加权平均融合规则进行融合处理，对高频分量的最高层和其它层系数分别采用绝对值最大和改进的区域方差融合规则进行融合处理；最后重构图像得到融合结果；并给出了实验结果．对结果的分析比较表明，所提出的融合规则的效果优于常用的融合方法和参考文献的融合方法

针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法。在低频子带系数的选取上,根据医学图像的特点,考虑到相邻低频子带系数之间存在的相关性,采用基于区域能量的融合规则;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进拉普拉斯能量和作为带通方向子带系数的融合规则。实验结果表明,与传统融合方法相比,该方法避免了图像失真,达到了良好的图像融合效果。

全部打开，放入图片可以运行。

此工具箱是非下采样轮廓波变换的，可以用于做图像去噪，图像融合等等，效果不错

上传内容主要为基于matlab版本的非下采样conturlet变换的图像融合函数库，可用于图像特征滤波和融合等功能实现。

非下采样剪切波变换源代码，进行图像滤波，图像分割，图像融合，包含多个matlab代码的滤波例子。NSST非下采样剪切波变化工具箱，里边程序很全，有范例，值得拥有。

一种新的结合非下采样Contourlet变换(NSCT)和高斯比例混合模型的图像去噪方法。采取的主 要方法为:1)通过NSCT对图像进行分解;2)根据高斯比例混合模型建立图像模型;3)利用贝叶斯估计进行图 像去噪。实验结果表明,相对于已有算法,本文方法降噪效果好,在去噪性能指标和边缘保持的主观视觉上都 表现出优异的性能。

针对非均匀周期采样系统, 通过状态空间模型离散化方法得到其输入输出表达形式. 鉴于参数化后得到的 辨识模型同时包含1 个参数向量和1 个参数矩阵, 利用递阶辨识原理, 将辨识模型分解为分别含有参数向量和参数 矩阵的2 个虚拟子系统; 考虑到系统的因果约束问题, 将包含参数矩阵的子系统分解为子子系统进行辨识, 从而提出 这类非均匀采样系统的递阶最小二乘辨识方法. 仿真例子表明该算法是有效的.

具体内容主要包括NSST中matlab版本的所有函数，里边函数可以被调用，可用于图像分割和图像融合等相关功能实现。

非下采样剪切波变换（NSST）是对剪切波（shearlet）变换的改进，在继承剪切波（shearlet）变换优点的同时，避免了伪吉布斯现象的出现，相比于小波变换、曲边变换等操作效率高、复杂度低。该源代码中包含测试实例和代码注释。