以下为《引导滤波综述笔记》的无排版文字预览，完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。

梯度图像的融合：主要利用引导思想，并不是引导滤波本身。

可以投的期刊：

北大核心

物理学报

红外技术

电子与信息学报

现代电子技术

计算机工程与设计

红外技术

中国图像图形学报

Journal of Visual Communication and Image Representation（视觉传达）

Information Sciences（信息科学）

Optics and Lasers in Engineering

将引导滤波理论用于图像

各种引导滤波方法：

原始引导滤波

联合双边滤波

加权引导滤波

加权聚合改进引导滤波

联合引导滤波方法（文献15、16、17、18、19、文献 [25]中指出, 图像滤波后的输出应与输入图像保持相当程度的一致性, 同时保证图像的结构信息保持不变. ）

全连接引导滤波

多引导滤波优化模型（联合图像 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 想是在引导图像 (输入图像本身也可作为引导图像) 上构建空间可变滤波核, 将引导图像中的梯度信息迁移到输出图像中, 以加强滤波输出中的结构信息. 、

引导滤波的思想：

自引导滤波：即在对目标图像进行处理的过程中仅依赖其自身结构信息的一类方法．

引导滤波：借助一幅相对可靠的引导图像的结构信息指导对目标图像进行处理的方法，也称为联合滤波，近年来引起了研究者的广泛关注。

在引导滤波方法中，两个具有代表性的算法分别是联合双边滤波和引导滤波算法。

下面分别来介绍并分析这两个典型算法。

静态引导滤波：使用加权函数来调节输入图像，非常依赖于引导图像的特征，而忽略了输入图像和引导图像之间结构的不一致性。

动态引导滤波：从正则化输入图像中得到权重函数，并通过重复迭代，得到相邻像素的权

重函数，但忽略了静态引导图像可用的附加信息。

[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]

以上为《引导滤波综述笔记》的无排版文字预览，完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。