Para resolver os problemas dos algoritmos existentes relacionados ao processamento de padrões de imagem únicos e à limitação de universalidade, foi proposto um algoritmo de aprimoramento de remoção de névoa multi-modo baseado na premissa do canal escuro. Este algoritmo é aplicável a imagens de polarização com diferentes modos de intensidade de polarização, parâmetros de Stokes e grau de polarização linear, bem como a imagens tradicionais RGB e em preto e branco. Para imagens de polarização, utiliza-se agrupamento K-means, gradeamento e interpolação bilinear para estimar o valor da luz atmosférica, introduzindo pesos de brilho e estrutura para estimar a transmitância atmosférica. O cálculo do canal escuro adota filtragem gaussiana multiescala e fusão adaptativa de pesos baseada em gradiente; para imagens RGB e em preto e branco, utiliza-se agrupamento K-means e a luz atmosférica é estimada pelo percentil 95 dos pixels do céu, combinando detecção de bordas Laplaciana Gaussiana e interpolação bilinear para estimar a transmitância atmosférica. O cálculo do canal escuro usa operações de erosão multiescala e pesos baseados em contraste local. Imagens de diferentes modos foram coletadas sob névoa externa fina e névoa artificial densa interna e os resultados da remoção de névoa foram comparados com a premissa do canal escuro e o algoritmo Retinex multiescala. Os resultados mostram que o algoritmo proposto alcança melhorias significativas na clareza da imagem, recuperação de bordas e detalhes; o gradiente médio, a entropia da imagem e a relação sinal-ruído de pico melhoraram pelo menos 112,6%, 14,0% e 5,0% para imagens polarizadas, e pelo menos 103,6%, 20,6% e 21,9% para imagens não polarizadas em comparação com o algoritmo Retinex multiescala. Esse algoritmo não é apenas superior na melhoria da qualidade da imagem, mas também tem universalidade para diferentes modos de imagem.

remoção de névoa de imagem; aprimoramento de imagem; polarização; premissa do canal escuro; algoritmo Retinex multiescala