Markov Random Field for combined defogging and stereo reconstruction
Résumé
Stereo reconstruction serves many outdoor applications, and thus sometimes faces difficulties with foggy weather. However, fog provides depth cues for far away objects. By taking advantages of both stereo and fog cues, stereo reconstruction in fog can be improved. We propose a Markov Random Field model for this problem. The proposed model is tested on synthetic images and it shows that improved results can be achieved on both stereo reconstruction and visibility restoration.
La reconstruction stéréo sert à de nombreuses applications en extérieur et doit donc, parfois, faire face à des conditions dégradées de visibilité comme le brouillard. Pour autant, le brouillard peut fournir des indications de profondeur sur les objets éloignés. En exploitant la complémentarité des indices de profondeur stéréo et du brouillard, la reconstruction stéréo dans le brouillard peut être améliorée. Nous proposons un modèle par champ de Markov pour ce problème. Le modèle proposé est testé sur des images synthétiques et montre que des résultats améliorés peuvent être obtenus à la fois pour la reconstruction stéréo et pour la restauration de la visibilité.