【阅读笔记】基于暗通道的红外图像增强Infrared traffic image enhancement algorithm based on dark channel prior and gamma

一、基于暗通道的红外图像增强Infrared traffic image enhancement algorithm based on dark channel prior and gamma correction红外智能交通监控设备采集的红外交通图像对比度低、层次感差、视觉模糊本文首次将暗通道先验应用于红外图像增强。将暗通道先验DCP与自适应伽马校正结合解决红外交通图像低对比度、细节模糊、噪声干扰等问题实现目标清晰化与背景抑制适配交通监控场景。论文公式细节较少重点在红外图像暗通道先验计算二、红外图像的暗通道先验DCP2.1 可见光DCP暗通道先验DCP原用于可见光去雾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。J dark ( x ) min ⁡ c ∈ { r , g , b } ( min ⁡ y ∈ Ω ( x ) J c ( y ) ) J^{\text{dark}}(x)\min_{c\in\{r,g,b\}}\left(\min_{y\in\Omega(x)}J^c(y)\right)Jdark(x)c∈{r,g,b}min​(y∈Ω(x)min​Jc(y))其中JC是不同色彩通道2.2 灰度图像DCP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 dark ( x ) min ⁡ y ∈ Ω ( x ) I ( y ) I^{\text{dark}}(x)\min_{y\in\Omega(x)}I(y)Idark(x)y∈Ω(x)min​I(y)Ω ( x ) \Omega(x)Ω(x)以x为中心的窗口论文中选择15×15滑窗2.3 论文算法步骤1、输入原始红外交通图像I(x)。将原始图像分割为若干块以计算其暗通道图像。块尺寸为15×15 pix。2、估计透射率参数文中没细说可以用可见光ω \omegaω取0.85t ( x ) 1 − ω ⋅ I d a r k ( x ) A ​ t~(x)1−ω⋅\frac{I_{dark}(x)}{A}​t(x)1−ω⋅AIdark​(x)​​3、估算全球大气光A文中没细说可以参考取暗通道前0.1% 最亮像素4、计算增强图像J ( x ) I ( x ) − A m a x [ t ( x ) , t 0 ] A J(x) \frac{I(x) − A}{max[t(x), t0]} AJ(x)max[t(x),t0]I(x)−A​A5、通过gamma校正提升亮度三、论文效果我的个人博客主页欢迎访问我的CSDN主页欢迎访问我的GitHub主页欢迎访问我的知乎主页欢迎访问