针对传统红外与可见光图像融合算法中存在的目标不够突出、背景缺失、边缘信息保留不够充分等问题,提出了一种基于改进引导滤波和双通道脉冲发放皮层模型(DCSCM)的红外与可见光图像融合算法.首先,对源图像进行非降采样Shearlet变换(NSST),得到相应的低频和高频分量.然后,分别采用改进的引导滤波算法和DCSCM 模型对低频、高频分量进行融合.最后,对融合得到的高低频分量进行NSST 逆变换得到最终的融合图像，与其他几种方法进行比较,实验结果表明,本文算法的融合图像目标突出,背景信息丰富,且在图像清晰度、对比度、信息熵等方面均有优势.

使用C++与Python实现的引导滤波（guided image filter）代码，附件中包含一个cpp文件、一个python文件与一张测试图像。 博客链接为：https://blog.csdn.net/u013921430/article/details/99695647

基于引导滤波的图像分层处理技术，对不同层的信息进行分层处理，获取不同的信息，然后用合并，得到最后结果，可进行图像增强算法的分层等

本资源为何凯明博士2010年在ECCV 发表的引导滤波的论文，附有MATLAB源码以及所用到的图片。

MATLAB版的引导滤波

动 机： 利用图像I的局部信息去滤波图像q。 目 标： 使得图像q保持图像I所具有的局部信息。 本 质： 将空域滤波模型推广到基于图像信息的滤波。

动 机： 利用图像I的局部信息去滤波图像q。 目 标： 使得图像q保持图像I所具有的局部信息。 本 质： 将空域滤波模型推广到基于图像信息的滤波。 作者背景： Publication CVPR 3 ECCV 1 TPAMI 1

动 机： 利用图像I的局部信息去滤波图像q。 目 标： 使得图像q保持图像I所具有的局部信息。 本 质： 将空域滤波模型推广到基于图像信息的滤波。 作者背景： Publication CVPR 3 ECCV 1 TPAMI 1

局部立体匹配算法中经典的引导滤波算法

何凯明的快速引导滤波，MATLAB代码，思路不错，值得研究一下