Amélioration de la visibilité PIF6004 Sujets Spéciaux en informatique II Amélioration de la visibilité Sujets Introduction Approches Retinex Approches basées sur la loi de Koschmieder (luminance de la scène) Voir: Hautière et al., Contrast Restoration of Foggy Images Through Use of Onboard Camera, Proceedings of the 8th International IEEE Conference on Intelligent Transport System, September, 2005.

Introduction Tâches de conduite pouvant devenir difficiles sous certaines conditions: Brouillard, pluie, neige etc.

Introduction Advanced Driver Assistance Systems (ADAS): taches de conduite

Introduction Advanced Driver Assistance Systems (ADAS): réactions découlant des événements externes

Problématique de transmission/diffusion de la lumière Introduction Problématique de transmission/diffusion de la lumière Formule de luminance de Koschmieder L0: luminance intrinsèque d’un objet L: Luminance du ciel β : coefficient d’atténuation de l’air R: Lumière réfléchie A: Luminosité de l’air

Approche Retinex Approche qui élimine une composante d’intensité constante sur toute l’image, n’est pas considérée comme une méthode d’amélioration de la visibilité puisque non basée sur la formule de Koschmieder Paramètres typiques: Nombre de niveaux (échelles) k = 1, 2, 3

Approche Retinex Approche qui élimine une composante d’intensité constante sur toute l’image

Approche Planar asumption (PA) Approche qui permet d’estimer la distance de visibilité, qui est fonction du coefficient d’atténuation, et suppose que le brouillard est uniforme et que la zone d’image la plus importante est la route et que cette route est une surface homogène. La distance de visibilité d, dans la zone de d’image de route est donnée par:

Approche Planar assumption (PA) La distance de visibilité d, dans la zone de d’image de route est donnée par: Estimation du paramètre 

Approche Planar Assumption (PA) Si I0 est constant, le coefficient d’atténuation k est déduit par: IS est la valeur max dans I(u,v) La solution k = 0 est rejetée vi est le point d’inflexion de I(v)

Approche Planar assumption (PA) Les pixels de la route peuvent alors être restaurés par:

Approche Planar Assumption (PA) Les pixels de la route peuvent alors être restaurés c est la position du plan de clipping, dc(u,v) est constant en haut de c

Approche de segmentation Free-Space (FSS) Les pixels des objets verticaux (véhicules, arbres, vélo, édifices, pixels rouge fig. (b)) ont un R(u,v) < 0 puisque la distance d est surestimée, ces pixels sont mis à 0 Objets verticaux (noir), Free Space (vert) Pixels avec R(u,v) < 0, R(u,v) = 0, pixel noir (a) (rouge (b)), région verte est la région FSS, bien corrigée Région rouge: Cherche cmin(u,v)tel que R(u,v) > 0 Si c proche de vh faible rehaussement Quand c >> vh rehaussement Très fort, donne des pixels noirs Carte de profondeur Image avec visibilité améliorée

Approche de segmentation Free-Space (FSS) Résultat de la correction

Approche avec la contrainte No Black Pixel (NBPC) Dans cette approche la visibilité est améliorée en déduisant l’intensité de la composante atmosphérique Si Is est fixé à 1 l’intensité maximale de I(u,v) normalisée Nous pouvons réécrire I(u,v) et R(u,v): V(u,v) est estimé par: p = 0.95

Approche avec la contrainte No Black Pixel (NBPC) En calculant R(u,v) avec l’estimation de V(u,v): Le contraste de la route est trop important puisque V(u,v) est surestimé dans cette région

Approche hybride PA et NBPC L’estimation de V(u,v) et basée sur la distance de visibilité minimale dmin : Sachant que: Une nouvelle contrainte permet de déduire V(u,v): Dmin : 50 m

Approche hybride PA et NBPC En calculant R(u,v) avec la nouvelle estimation de V(u,v) :

Résultats sur des images synthétiques (SiVIC)