【ISP】基于暗通道先验改进的红外图像透雾一、基于暗通道先验改进的灰度图像增强短波中波红外图像对比度低层次感差，分辨率

一、基于暗通道先验改进的灰度图像增强

短波中波红外图像对比度低层次感差，分辨率小导致视觉模糊，本文将暗通道先验应用于红外图像增强，改善红外图像低对比度问题。重点应用在室外观测实景

可见光图像暗通道透雾算法是由何凯明提出，他把无雾图像划分为较小的图像区域，发现每个区域内都存在一些颜色通道非常低的值，几乎接近于 0，因此把趋于 0 的颜色通道称之为暗通道。暗通道先验基于可见光RGB图像的统计规律：无雾图像中，局部区域至少一个通道像素值极低（趋近0）。

暗通道算法不适合含有天空、镜面反射物体的场景

在RGB通道选择一个数值最小的通道作为暗通道数据

I^{\text{dark}}(x)=\min_{c\in\{r,g,b\}}\left(\min_{y\in\Omega(x)}I^c(y)\right)

其中 $J^C$ 是不同色彩通道， $\Omega(x)$ 是以当前像素x为中心的窗口（3×3滑窗），y是滑窗内的邻域像素

t(x)=1−\omega *\frac{I^{dark}(y)}{A}

$\omega$ 为去雾强度，通常常取 0.95

J(x)=\frac{I(x)−A}{max(t(x),t0​)}​+A

t0为透射率下限，避免除零

红外图像为单通道数据，将局部最小滤波替代三通道最小，提取暗通道图。

I^{\text{dark}}(x)=\min_{y\in\Omega(x)}I(y)

$\Omega(x)$ ：以x为中心的窗口（选择15×15滑窗）

t(x)=1−\omega \frac{I^{dark}(y)}{A}

$\omega$ 为透雾强度，通常常取0.8-0.9

用原图I做引导，对透射率做引导滤波处理，消除块效应、保留边缘

取暗通道前0.1% 最亮像素的均值

J(x)=\frac{I(x)−A}{max(t(x),t0​)}​+A

t0为透射率下限，避免除零，取0.1

对网上找到的红外图像（左图）进行仿真，仿真结果（右图）具有透雾效果，对比度提升很多，还有一些artifit需要进一步处理