forked from nish03/FusionINN
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathmean_test.py
132 lines (106 loc) · 5.92 KB
/
mean_test.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
#############################################################################################
# Import Packages
#############################################################################################
import scipy.io as sio
import torch
import torch.nn as nn
import numpy as np
from pytorch_msssim import ssim, ms_ssim, SSIM, MS_SSIM
from scipy.io import savemat
#############################################################################################
#FusionINN
#############################################################################################
Q_INN = sio.loadmat('/......./FusionINN/Q.mat')['Q']
ssim_INN = sio.loadmat('/......./FusionINN/ssim.mat')['ssim']
Q_INN = np.mean(Q_INN, axis = 0)
ssim_INN = np.mean(ssim_INN)
print('INN Feature Mutual Information (FMI):', Q_INN[0])
print('INN Nonlinear Correlation Information Entropy (NCIE):', Q_INN[1])
print('INN Xydeas:', Q_INN[2])
print('INN Peilla:', Q_INN[3])
print('INN Structural Similarity Index (SSIM):', ssim_INN)
#############################################################################################
#DDFM
#############################################################################################
Q_DDFM = sio.loadmat('/......./DDFM/Q.mat')['Q']
ssim_DDFM = sio.loadmat('/......./DDFM/ssim.mat')['ssim']
Q_DDFM = np.mean(Q_DDFM, axis = 0)
ssim_DDFM = np.mean(ssim_DDFM)
print('DDFM Feature Mutual Information (FMI):', Q_DDFM[0])
print('DDFM Nonlinear Correlation Information Entropy (NCIE):', Q_DDFM[1])
print('DDFM Xydeas:', Q_DDFM[2])
print('DDFM Peilla:', Q_DDFM[3])
print('DDFM Structural Similarity Index (SSIM):', ssim_DDFM)
#############################################################################################
#DeepFuse
#############################################################################################
Q_DeepFuse = sio.loadmat('/......./DeepFuse/Q.mat')['Q']
ssim_DeepFuse = sio.loadmat('/......./DeepFuse/ssim.mat')['ssim']
Q_DeepFuse = np.mean(Q_DeepFuse, axis = 0)
ssim_DeepFuse = np.mean(ssim_DeepFuse)
print('DeepFuse Feature Mutual Information (FMI):', Q_DeepFuse[0])
print('DeepFuse Nonlinear Correlation Information Entropy (NCIE):', Q_DeepFuse[1])
print('DeepFuse Xydeas:', Q_DeepFuse[2])
print('DeepFuse Peilla:', Q_DeepFuse[3])
print('DeepFuse Structural Similarity Index (SSIM):', ssim_DeepFuse)
#############################################################################################
#FunFuseAn
#############################################################################################
Q_FunFuseAn = sio.loadmat('/......./FunFuseAn/Q.mat')['Q']
ssim_FunFuseAn = sio.loadmat('/......./FunFuseAn/ssim.mat')['ssim']
Q_FunFuseAn = np.mean(Q_FunFuseAn, axis = 0)
ssim_FunFuseAn = np.mean(ssim_FunFuseAn)
print('FunFuseAn Feature Mutual Information (FMI):', Q_FunFuseAn[0])
print('FunFuseAn Nonlinear Correlation Information Entropy (NCIE):', Q_FunFuseAn[1])
print('FunFuseAn Xydeas:', Q_FunFuseAn[2])
print('FunFuseAn Peilla:', Q_FunFuseAn[3])
print('FunFuseAn Structural Similarity Index (SSIM):', ssim_FunFuseAn)
############################################################################################
#Half_UNET
############################################################################################
Q_Half_UNET = sio.loadmat('/......./Half_UNET/Q.mat')['Q']
ssim_Half_UNET = sio.loadmat('/......./Half_UNET/ssim.mat')['ssim']
Q_Half_UNET = np.mean(Q_Half_UNET, axis = 0)
ssim_Half_UNET = np.mean(ssim_Half_UNET)
print('Half_UNET Feature Mutual Information (FMI):', Q_Half_UNET[0])
print('Half_UNET Nonlinear Correlation Information Entropy (NCIE):', Q_Half_UNET[1])
print('Half_UNET Xydeas:', Q_Half_UNET[2])
print('Half_UNET Peilla:', Q_Half_UNET[3])
print('Half_UNET Structural Similarity Index (SSIM):', ssim_Half_UNET)
############################################################################################
#UNET
############################################################################################
Q_UNET = sio.loadmat('/......./UNET/Q.mat')['Q']
ssim_UNET = sio.loadmat('/......./UNET/ssim.mat')['ssim']
Q_UNET = np.mean(Q_UNET, axis = 0)
ssim_UNET = np.mean(ssim_UNET)
print('UNET Feature Mutual Information (FMI):', Q_UNET[0])
print('UNET Nonlinear Correlation Information Entropy (NCIE):', Q_UNET[1])
print('UNET Xydeas:', Q_UNET[2])
print('UNET Peilla:', Q_UNET[3])
print('UNET Structural Similarity Index (SSIM):', ssim_UNET)
############################################################################################
#UNET++
############################################################################################
Q_UNET_plus_plus = sio.loadmat('/......./UNET++/Q.mat')['Q']
ssim_UNET_plus_plus = sio.loadmat('/......./UNET++/ssim.mat')['ssim']
Q_UNET_plus_plus = np.mean(Q_UNET_plus_plus, axis = 0)
ssim_UNET_plus_plus = np.mean(ssim_UNET_plus_plus)
print('UNET++ Feature Mutual Information (FMI):', Q_UNET_plus_plus[0])
print('UNET++ Nonlinear Correlation Information Entropy (NCIE):', Q_UNET_plus_plus[1])
print('UNET++ Xydeas:', Q_UNET_plus_plus[2])
print('UNET++ Peilla:', Q_UNET_plus_plus[3])
print('UNET++ Structural Similarity Index (SSIM):', ssim_UNET_plus_plus)
###########################################################################################
#UNET3+
###########################################################################################
Q_UNET_three_plus = sio.loadmat('/......./UNET3+/Q.mat')['Q']
ssim_UNET_three_plus = sio.loadmat('/......./UNET3+/ssim.mat')['ssim']
Q_UNET_three_plus = np.mean(Q_UNET_three_plus, axis = 0)
ssim_UNET_three_plus = np.mean(ssim_UNET_three_plus)
print('UNET3+ Feature Mutual Information (FMI):', Q_UNET_three_plus[0])
print('UNET3+ Nonlinear Correlation Information Entropy (NCIE):', Q_UNET_three_plus[1])
print('UNET3+ Xydeas:', Q_UNET_three_plus[2])
print('UNET3+ Peilla:', Q_UNET_three_plus[3])
print('UNET3+ Structural Similarity Index (SSIM):', ssim_UNET_three_plus)
###########################################################################################