【阅读笔记】多尺度高斯细节增强及改进《DARK IMAGE ENHANCEMENT BASED ON PAIRWISE TARGET CONTRAST AND MULTI-SCALE DETAIL

kim提出的基于像素对比度增强算法IEBPT，本文讨论多尺度高斯细节增强部分。

参考:https://www.cnblogs.com/Imageshop/p/7895008.html

1、背景

《DARK IMAGE ENHANCEMENT BASED ON PAIRWISE TARGET CONTRAST AND MULTI-SCALE DETAIL BOOSTING》论文使用了Retinex方法类似的思路，使用了多个尺度的高斯核对原图滤波处理，得到多个滤波图、原图之间做减法得到不同程度的细节信息，然后按照一定权重把这些细节信息融合到原图上实现细节增强。

2、多尺度细节增强

作者的目的是处理锐化后的artifact和noise，得到较好的细节信息。对一级细节D1给与一定的负权重，二级粗边缘D2和三级粗边缘D3给正向权重，仿真结果锐化效果有一定提升，但是论文中对图像的对比度增强是重点，锐化是锦上添花的作用。

在实际仿真下来看，D1包含细节信息和噪声，D2可以当作粗边缘，D3更偏向artifact一些，D2、D3是滤波后图像差值，是背景差异，累加到原图上就是artifact信息，细节信息很少。

3、优化措施

针对锐化不明显，在此基础上做一些改进： 3.1、减少负反馈，增大D1D2正向权重：w1=0.15,w2=0.95,w3=0.25，减少细节损失幅度，增加边缘累加。如果你的图像含噪声，这种公式效果好一些 3.2、细节D1D2累加：D1D2正向权重，D3负权重，增加细节，减少artifact 3.3、细节全累加：D1D2D3全系正向权重，可以预见noise、artifact较多。