图像融合经典算法——Poisson 融合
从梯度与可积性讲起，逐步写出 Poisson 融合的变分目标、离散方程和稀疏系统，并用 Eigen 共轭梯度给出可运行的原理型 demo。
图像处理
图像融合、感知质量与图像处理实践。
图像融合经典算法——多频段融合
先说明单张图像的高斯—拉普拉斯金字塔分解与可逆重建，再解释不同频段处理图像的原因，以及多频段融合缓和拼接接缝的机制。
LPIPS:Learned Perceptual Image Patch Similarity
LPIPS是一种**感知图像相似度（perceptual similarity）**的度量方法，由 Richard Zhang 等人在 2018 年提出（论文：“The Unreasonable Effectiveness of Deep Features as a Perceptual Metric”，CVPR 2018）。LPIPS 衡量两张图像在深度特征空间中的“感知距离”，比传统的 L2 或 SSIM 更符合人眼主观感受。
Structural similarity index measure(SSIM)
结构 相似性 指数（SSIM）是一种用于预测数字电视和电影画面以及其他类型数字图像和视频的感知质量的方法。它也用于衡量两幅图像之间的相似度。SSIM 指数是一种完全参考度量；换句话说，图像质量的测量或预测是基于初始的未压缩或无失真图像作为参考的。 SSIM 是一种基于感知的模型，它将图像退化视为结构信息的感知变化，同时还纳入了重要的感知现象，包括亮度掩蔽和对比度掩蔽项。这与其他技术（例如均方误差(MSE) 或峰值信噪比(PSNR)）不同，后者估计的是绝对误差。结构信息是指像素之间存在很强的相互依赖性，尤其是在空间上接近时。这些依赖性包含有关视觉场景中物体结构的重要信息。亮度掩蔽是指图像失真（在此上下文中）在明亮区域往往不太明显，而对比度掩蔽是指图像中存在显著活动或“纹理”的区域失真不太明显