【阅读笔记】沙尘图像蓝色通道校正A Fast Sand-Dust Image Enhancement Algorithm by Blue Channel Compensation and Guided

一、论文背景

沙尘图像处理面临的主要问题是色彩偏移和图像细节模糊，在去除偏色后利用改进的去雾算法对沙尘图像进行处理，但是由于沙尘和雾霾形成的原理不同，沙尘的颗粒半径接近25µm，远远大于雾霾(0.01 ~ 1µm)和雾(1 ~ 10µm)，因此除雾算法模型不适用，容易出现色彩失真的问题。沙尘环境下对视频图像采集的影响首先是色彩的偏移。

《A Fast Sand-Dust Image Enhancement Algorithm by Blue Channel Compensation and Guided Image Filtering》 论文基本框架： 首先对蓝通道进行损失值补偿，接着采用白平衡技术校正沙尘退化图像的色彩，最后通过引导式图像滤波增强图像对比度和边缘精度，并运用自适应方法计算细节层的放大系数以提升图像细节信息。

本文关注颜色校正部分，论文针对性色偏校正：提出保持绿通道均值的蓝通道补偿，比传统方法更贴合沙尘图像通道特性，抑制蓝色伪影。

二、色偏校正

2.1 蓝色伪影问题

传统白平衡和灰度世界算法在处理沙尘污染图像时效果欠佳，且图像中会出现蓝色伪影，因此这些方法无法有效解决色偏问题，比如车辆边缘和地面白色物体处出现蓝色伪影，整体图像偏暗。

2.2 校正原理

1）沙尘天气中大部分蓝光被散射和吸收，因此在沙尘天气中拍摄的图像整体上呈现黄色，所以，如果想要更好地处理沙尘图像，就需要对蓝通道进行恢复。

2）灰度世界假设自然风景的平均反射光在一般情况下是相同的，且在零深度场景中所有通道的平均值相同，利用这一假设通过补偿丢失的值来恢复蓝通道。

3）处理沙尘图像，假设绿色通道和红色通道的均值保持不变，结果表明绿色通道的均值保持不变，蓝色通道恢复的效果会更好。

2.3 蓝通道补偿（Blue Channel Compensation）

基于灰度世界假设与沙尘通道衰减特性（蓝通道衰减最快、绿通道相对稳定），在保持绿通道均值不变的前提下，对蓝通道进行补偿，补偿公式：

其中，I_{bc}​：补偿后蓝通道数据；I_b​,I_g​：原图蓝、绿通道数据；\bar I_r​,\bar I_g​,\bar I_b​：原图各通道全局均值。

2.4 鲁棒白平衡（Robust-AWB）

蓝通道补偿后仍存在色偏问题，采用白平衡算法对补偿后的图像进行色彩校正，进一步校正色偏、消除蓝色伪影。

采用Robust- AWB 校正了沙尘图像的色彩偏差，该算法利用提取图像中的灰度色点来估计色温，通过不同色温下灰度色点之间的色差来估计光源的色温。

三、论文后续处理

3.1 引导滤波细节增强

将图像通过引导滤波分解为基础层（base）与细节层（detail）。

这里就不展开了

四、文章效果

五、仿真效果

原理容易复现，颜色校正效果还行，左图原始图，右图仿真结果图

测试代码链接

运行demo的BlueComp模式