Images de synth` ese

3.1.2 Ajout du brouillard sur des images r´eelles . . . 65 3.2 M´ethodes d’´evaluation quantitative . . . . 66 3.2.1 Utilisation de la v´erit´e terrain. . . 66 3.2.2 Probl`eme de pertes d’informations dans le brouillard . . . 67 3.2.3 Indicateurs fond´es sur les contrastes visibles `a 5 % . . . 69 3.2.4 Evaluation sur des ADAS´ . . . 72 3.3 Vid´eos ICADAC . . . . 72 3.4 Conclusion . . . . 72

Dans cette partie, nous allons pr´esenter les outils (logiciels, mat´eriel et m´ e-thodes) qui ont servi pour ´evaluer les diff´erentes m´ethodes de restauration. Dans un premier temps, nous avons cr´e´e une base de donn´ees d’images qui a permis d’´ eva-luer et de comparer les m´ethodes de restauration de brouillard propos´ees `a celles de l’´etat de l’art. Pour cela, nous avons utilis´e un logiciel de simulation de cap-teurs (proprioceptif, ext´eroceptif et communication) [Gruyer 2009] nomm´e SiVIC que nous allons pr´esenter dans ce chapitre.

D’autres bases d’images ont ´et´e cr´e´ees par l’ajout de brouillard sur des images r´eelles, dont la carte de profondeur ´etait connue par st´er´eovision.

En plus des indicateurs s’appuyant sur ces bases de donn´ees, nous allons pr´ e-senter d’autres indicateurs de la qualit´e de la restauration sans utiliser de v´erit´e terrain.

3.1 Base de donn´ ees d’images

3.1.1 Images de synth`ese

Il est difficile, voire impossible, d’obtenir deux images de la mˆeme sc`ene rou-ti`ere dans des conditions m´et´eorologiques diff´erentes puisque ce type de sc`enes sont constitu´ees essentiellement d’´el´ements en mouvement et les conditions d’´eclairages varient beaucoup entre deux conditions m´et´eorologiques. Nous avons donc opt´e

pour des images de synth`eses (brouillard et pluie), constituant la v´erit´e terrain d´ e-di´ee `a l’´evaluation des m´ethodes propos´ees, `a l’aide du logiciel SiVIC (simulateur v´ehicule-infrastructure-capteur).

3.1.1.1 Logiciel SiVIC

Il s’agit d’une plate-forme utilis´ee pour le prototypage de capteurs virtuels. Son objectif est de reproduire de la meilleure fa¸con l’aspect r´ealiste d’une situation, le comportement d’un v´ehicule et le fonctionnement des capteurs qui pourraient ˆetre embarqu´es sur ce v´ehicule.

Pour construire la sc`ene en 3D nous disposons de plusieurs v´ehicules, diff´erents types de chauss´ees, bˆatiments, panneaux, arbres, ciel. . . Ensuite un ´eclairage de la sc`ene est g´en´er´e (homog`ene, localis´e, ombres) et enfin nous pouvons utiliser plu-sieurs capteurs (cam´eras, radar, laser, GPS) dans la mˆeme sc`ene et r´ecup´erer les informations captur´ees (images et cartes de profondeur dans notre cas). Enfin les diff´erents param`etres du capteur cam´era peuvent ˆetre configur´es (focale, taille du capteur, taille des pixels, rep`ere). SiVIC fonctionne soit en mode glisser-d´eposer soit `a l’aide de langage script. Dans notre cas nous avons utilis´e le deuxi`eme choix pour plus de pr´ecision et afin d’utiliser les ´ev´enements qui offrent la possibilit´e de g´en´erer plusieurs configurations automatiquement et donc de mani`ere rapide. Le grand int´erˆet d’utiliser SiVIC est de permettre de simuler des situations difficiles `a reproduire en r´eel. Par exemple, nous citerons le parcours de plusieurs kilom`etres en situations dangereuses ou la r´ecup´eration d’une carte de profondeur en plus des images enregistr´ees.

Figure3.1 – Exemples d’images SiVIC

L’image3.1montre des exemples d’images g´en´er´ees par SiVIC : nous avons diff´ e-rents types d’horizons, de chauss´ees, d’emplacements cam´era.SiVIC utilise aussi plu-sieurs filtres pour simuler diff´erents ph´enom`enes (brouillard, pluie, floue optique. . . ).

Dans le cas du brouillard, SiVIC ne permet de cr´eer qu’un brouillard de type uniforme (coefficient d’extinction atmosph´erique et luminance du ciel constants).

Nous avons donc cr´e´e des images sans brouillard avec SiVIC et les diff´erents types de brouillard `a l’aide de MATLAB en utilisant le mod`ele de Koschmieder et les cartes de profondeurs denses correspondantes aux images et fournies par SiVIC. La figure 3.2montre des images avec leur carte de profondeur.

Le filtre pluie de SiVIC nous a permis de simuler la pr´esence des gouttes (de diff´erentes tailles et formes) sur le pare-brise. Nous avons ensuite cr´e´e un masque des gouttes pour permettre l’´evaluation de m´ethodes de restauration.

Figure 3.2 – Images et cartes de profondeurs g´en´er´ees par SiVIC 3.1.1.2 Bases de donn´ees d’images routi`eres de brouillard

Dans le cadre d’un article [Tarel 2010] destin´e `a ´evaluer et comparer plusieurs m´ethodes de restauration d’images de brouillard, une base de donn´ees d’images de synth`eses contenant 18 images de diff´erents types de sc`enes : urbaine, autoroute et rurale a ´et´e cr´e´ee. Cette base a ´et´e compl´et´ee pour contenir 66 images diff´ e-rentes [Halmaoui 2011,Tarel 2012] et porte le nom de FRIDA (Foggy Road Images DAtabase).

Rappelons que, dans le cadre de cette th`ese, nous sommes limit´es `a l’utilisation d’une seule cam´era, mais comme la base FRIDA a ´et´e mise en ligne pour servir la communaut´e scientifique, les images ont ´et´e cr´e´ees en utilisant deux cam´eras afin de pouvoir ´evaluer d’autres m´ethodes utilisant la st´er´eovision.

Pour faciliter l’ajout du brouillard dans les images de synth`ese, le ciel a ´et´e cr´e´e en blanc (intensit´e de 255 sur les trois canaux). `A l’aide des cartes de profondeur fournies par SiVIC, nous avons cr´e´e 4 types de brouillard en faisant varier la densit´e du brouillardβ et/ou la luminance du cielI∞.

• Brouillard uniforme : l’´equation de Koschmieder est appliqu´ee sur les 66 images en choisissant unβ'0,035 correspondant `a une distance de visibilit´e de 85 m d’apr`es la formule V is = −^ln(0,05)_β et une intensit´e du ciel fix´ee `a 255.

• Brouillard de densit´eβ h´et´erog`ene: dans la r´ealit´e le brouillard n’est pas tout le temps uniforme. Nous avons donc introduit une variabilit´e dans l’´equation de Koschmieder en fixant I∞ et en pond´erant β en fonction de la position du pixel. Les poids spatiaux sont obtenus `a partir d’un bruit de Perlin qui est cr´e´ee `a partir d’une somme de fonctions de bruit g´en´er´ees `a diff´erentes

´echelles avec un poid log2(s) `a l’´echelle s. La distance de visibilit´e moyenne correspond `a 80 m.

• Brouillard avec une luminance du ciel I∞ h´et´erog`ene : la variableβ est fix´ee telle que la distance de visibilit´e moyenne est de 80 m. un bruit de Perlin nous sert pour cr´eer un brouillard tel que I∞ est variable.

• Brouillard mixte : grˆace `a l’utilisation de deux bruits de Perlin ind´ependants nous avons cr´e´e un brouillard h´et´erog`ene o`u nous faisons varier `a la foisβ et I∞. La moyenne deβ est choisie telle que la distance de visibilit´e est moyenne soit de 80 m.

La base de donn´ees contient donc 66×4 images en plus des images originales (330 images au total). La figure 3.3montre une mˆeme sc`ene avec diff´erents brouillards.

Figure 3.3 – Image de synth`ese originale et les diff´erents types de brouillards : uniforme, β variable, I∞ variable etβ etI∞ variables

Cette base de donn´ees a ´et´e utilis´ee dans le cadre d’un autre article [Hal-maoui 2011] pour ´evaluer une nouvelle m´ethode de restauration et comparer les r´esultats avec d’autres m´ethodes.

3.1.1.3 Images de pluie

Comme nous l’avons d´ej`a pr´ecis´e, SiVIC poss`ede un filtre pluie qui permet de g´en´erer des gouttes de pluie de diff´erentes tailles et formes et en diff´erentes quantit´es.

L’image3.4 montre des images cr´e´ee pour simuler diff´erentes situations de pluies.

Nous avons utilis´e ce filtre pour cr´eer des images avec et sans pluie afin d’´evaluer les m´ethodes de restauration d’images de pluie. Pour cela nous avons besoin de

Figure3.4 – Diff´erentes gouttes de pluie connaˆıtre la position des gouttes.

Dans SiVIC nous n’avons pas la possibilit´e de r´ecup´erer la position exacte des gouttes. Comme les gouttes sont simplement un filtre appliqu´e `a l’image, pour chaque sc`ene captur´ee nous avons cr´e´e une autre image sans le filtre et en faisant la diff´erence entre les deux nous obtenons un masque sur les gouttes. La figure 3.5 montre l’image originale, l’image avec pluie et le masque des gouttes.

Figure 3.5 – Images originale, avec des gouttes de pluie simul´ee et masque des gouttes