【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

AomanHao

发布于 2026-02-17 09:02:54

1020

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。<mark>将暗通道先验（DCP）与自适应伽马校正结合</mark>，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（DCP）

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

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

\Omega(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，\omega取0.85

t~(x)=1−ω⋅\frac{I_{dark}(x)}{A}

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) = \frac{I(x) − A}{max[t(x), t0]}+ A

5、通过gamma校正提升亮度

三、论文效果

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2026-02-16，如有侵权请联系 cloudcommunity@tencent.com 删除

笔记

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度