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
二、可见光RGB图像的暗通道先验透雾
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
2.1 可见光暗通道计算
在RGB通道选择一个数值最小的通道作为暗通道数据
I dark ( x ) = min c ∈ { r , g , b } ( min y ∈ Ω ( x ) I c ( y ) ) I^{\text{dark}}(x)=\min_{c\in\{r,g,b\}}\left(\min_{y\in\Omega(x)}I^c(y)\right) Idark(x)=c∈{r,g,b}min(y∈Ω(x)minIc(y))
其中 J C J^C JC是不同色彩通道， Ω ( x ) \Omega(x) Ω(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
2.2 透射率计算
t ( x ) = 1 − ω ∗ I d a r k ( y ) A t(x)=1−\omega *\frac{I^{dark}(y)}{A} t(x)=1−ω∗AIdark(y)
ω \omega ω为去雾强度，通常常取 0.95
2.3 透雾图像恢复
J ( x ) = I ( x ) − A m a x ( t ( x ) , t 0 ) + A J(x)=\frac{I(x)−A}{max(t(x),t0)}+A J(x)=max(t(x),t0)I(x)−A+A
t0为透射率下限，避免除零
三、红外灰度图像的暗通道先验透雾
3.1 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)minI(y)
Ω ( x ) \Omega(x) Ω(x)：以x为中心的窗口（选择15×15滑窗）
3.2 透射率计算
t ( x ) = 1 − ω I d a r k ( y ) A t(x)=1−\omega \frac{I^{dark}(y)}{A} t(x)=1−ωAIdark(y)
ω \omega ω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
3.3 大气光A估计
取暗通道前0.1% 最亮像素的均值
3.4 透雾图像恢复
J ( x ) = I ( x ) − A m a x ( t ( x ) , t 0 ) + A J(x)=\frac{I(x)−A}{max(t(x),t0)}+A J(x)=max(t(x),t0)I(x)−A+A
t0为透射率下限，避免除零，取0.1
四、仿真结果
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
仿真代码链接如下，感兴趣的可以跑跑