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。
4、优化效果
原始图：
原始图paper复现效果图：
paper复现复现效果相比原始图有一定的锐化效果，artifact不明显
3.1改进效果图：
3.1改进效果图相比复现效果局部对比度较高，带来了一定的artifact，其实一定的artifact能够增强边缘灰度差，感觉像是锐化效果增强，整体改进效果一般
3.2改进效果图：
3.2措施改进后，细节增强效果提升，因为D1包含大量细节。
3.3改进效果图：
3.2、3.3效果相近，改动幅度不大。
程序参考
代码见链接，感兴趣的可以跑一跑
github.com/AomanHao/ISP_Infrared_Image_Process/tree/main/DetailEnhance
