D´ etection des gouttes de pluie

Dans l’´etat de l’art, des auteurs ont trait´e le probl`eme de d´etection des gouttes par cam´era embarqu´ee. [Kurihata 2005] propose une approche fond´ee sur un appren-tissage statique, par analyse en composante principale, des propri´et´es des gouttes sur une base de donn´ees permettant la d´etection des gouttes. Cette m´ethode permet principalement la d´etection sur la zone du ciel. La m´ethode de [Roser 2009], que nous allons pr´esenter dans la suite, utilise le mod`ele physique des gouttes afin d’effec-tuer la d´etection des gouttes focalis´ees. Cependant, l’utilisation du mod`ele physique est complexe `a mettre en œuvre. L’auteur [Nashashibi 2010] propose une approche spatio-temporelle permettant la d´etection des gouttes d´efocalis´ees en temps r´eel. Nous nous sommes int´eress´e aux gouttes focalis´ees pour la restauration. La m´ e-thode [Cord 2011], que nous allons pr´esenter dans la suite, est celle que nous avons trouv´e la plus adapt´ee `a notre probl`eme de gouttes focalis´ees du fait qu’elle d´etecte bien les gouttes au niveau de la route et qu’elle est rapide.

2.3.2.1 M´ethode s’appuyant sur le mod`ele physique des gouttes

L’auteur [Roser 2009] a propos´e un algorithme de vision monoculaire permettant de d´etecter les gouttes de pluie. Il s’appuie sur une g´en´eration de gouttes virtuelles puis une comparaison entre celle-ci et l’image pour v´erifier si une goutte est pr´esente.

Utilisation du mod`ele optique pour g´en´erer des gouttes virtuelles Consid´erons une goutte sph´erique de rayon r se trouvant `a la position P = (x, y) sur le plan image. Nous allons d´eterminer la partie de la sc`ene qui sera observ´ee `a travers cette goutte.

Comme le montre la figure 2.42 un rayon lumineux provenant d’un point de la sc`ene est r´efract´e par la goutte de pluie avant d’atteindre la cam´era en P . Le mˆeme point peut ˆetre observ´e directement (sans passer par la goutte) en ˆP .

Figure 2.42 – Trajets des rayons lumineux en provenance d’un point de la sc`ene. En vert, `a travers la goutte et en jaune direct.

En utilisant la Loi de Snell Descartes, nous pouvons d´eterminer une relation g´eom´etrique pr´ecise [Roser 2009] (en fonction des angles de r´efraction) entre P et

ˆ

P . La figure 2.43 montre les ´echantillons (en vert) des pixels utilis´es pour g´en´erer la goutte artificielle.

Figure 2.43 – `A gauche, image originale ; `a droite et de haut en bas, goutte origi-nale, goutte artificielle correspondant `a la position de la ROI et g´en´er´ee en utilisant le mod`ele optique `a partir des points trac´es en vert et goutte artificielle flout´ee

Comparaison d’une goutte virtuelle avec l’image

Des r´egions d’int´erˆets (ROI) de l’image sont extraites en utilisant une m´ethode de d´etection des points d’int´erˆets. Pour chaque ROI, une goutte artificielle de pluie

est g´en´er´ee `a partir du reste de l’image. Cette goutte est ensuite compar´ee `a la ROI pour v´erifier si une goutte est pr´esente en s’appuyant sur le mod`ele photom´etrique. L’intensit´e du pixel P est estim´ee comme suit :

I_P = _Q ^IPˆ

i(1 − R_i)j (2.101)

avec R_i le coefficient de r´eflectivit´e de Fresnel (voir mod`ele optique de la pluie) et j = ±1 correspond `a la direction de l’intensit´e.

La distance des gouttes par rapport `a la cam´era d´epend de leur position sur le pare-brise, ce qui se traduit par une d´efocalisation (flou) des gouttes. Un flou est donc ajout´e `a la goutte artificielle en utilisant les param`etres de la cam´era et sa position par rapport au pare brise. La figure2.42montre le r´esultat d’ajout du flou. La g´en´eration des gouttes de pluie dans les diff´erentes positions de l’image est coˆuteuse en temps de calcul. L’auteur propose un algorithme rapide de d´etection des ROI, nomm´e RIGSEC [Roser 2009] permettant de limiter la recherche.

Ensuite, la v´erification de la d´etection est effectu´ee en cherchant le maximum de corr´elation des intensit´es et des gradient et en consid´erant la goutte artificielle `

a diff´erentes ´echelles entre 1 − 1.5.

2.3.2.2 D´etection des gouttes de pluie focalis´ees ayant un fort gradient L’algorithme [Cord 2011] que nous allons pr´esenter dans cette partie utilise les propri´et´es photom´etrique de la pluie et des techniques de traitement d’images afin de d´etecter et quantifier les gouttes focalis´ees sur le pare-brise. Pour cela les hypoth`eses suivantes sont consid´er´ees :

• Seules les gouttes pr´esentes sur le pare-brise sont visibles dans l’image ; • Les gouttes sont similaires `a des lentilles d´eform´ees ;

• Les gouttes sont quasi-immobiles durant une courte p´eriode alors que le reste de la sc`ene est en mouvement.

Notons que les gouttes pr´esentes dans la moiti´e sup´erieure de l’image (contenant le ciel) refl`ete une partie de la route qui est plus sombre que le ciel. Par cons´equent, ces gouttes affichent un contraste ´elev´e avec le ciel. De la mˆeme fa¸con les gouttes pr´esentes dans la moiti´e inf´erieure (contenant la route) affichent un contraste ´elev´e avec la route.

Les ´etapes de l’algorithme sont les suivantes :

1. Moyenne sur 6 images successives : `a cause du caract`ere stationnaire de la goutte, nous obtenons un meilleur contraste des gouttes par rapport au fond et r´eduisons en mˆeme temps le bruit ;

2. Calcul de la norme du gradient de l’image ;

3. Seuillage `a l’aide d’un percentile `a 95 % calcul´e sur une fenˆetre de taille 21×21 autour de chaque pixel ;

4. Le gradient de l’image originale est compar´e au r´esultat de seuillage afin de s´electionner les pixels avec un fort gradient (sup´erieur `a 5 %). Une fermeture est appliqu´ee pour regrouper les pixels appartenant `a la mˆeme goutte ; 5. Reconnaissance de forme : les fausses d´etections sont ´elimin´ees en s´

election-nant les r´egions connexes contenant entre 6 et 160 pixels, le rapport hau-teur/largeur doit ˆetre compris entre 1/3 et 3 et l’excentricit´e doit satisfaire

P erimetre2

4π×Air ≤ 1, 2 ;

6. Une d´etection est confirm´ee comme goutte si elle est d´etect´ee 6 fois sur 8 images successives (stationnarit´e de la goutte). Cette ´etape ´elimine plusieurs fausses d´etections ainsi que des vrais d´etections et donc un compromis doit ˆetre fait suivant l’application vis´ee : d´etection, quantification ou restauration. La figure 2.44 montre le r´esultat obtenu par cette algorithme. Nous constatons que la m´ethode donne un bon r´esultat pour diff´erentes quantit´es de pluie et diff´ e-rentes conditions d’illumination de la sc`ene.

Figure 2.44 – De gauche `a droite : image originale et gouttes d´etect´ees. Comme nous allons le voir dans le chapitre5, la d´etection des gouttes va consti-tuer une premi`ere ´etape de l’algorithme de restauration d’images de pluie.