Débruitage à l'aide de Color-Lines

Les photographies de scènes brumeuses souffrent généralement d'un faible contraste et offrent une visibilité limitée de la scène. Cet article décrit une nouvelle méthode de débruitage d'image unique qui repose sur une régularité générique dans les images naturelles où les pixels de petits patches d'image présentent généralement une distribution 1D dans l'espace colorimétrique RGB, connue sous le nom de color-lines. Nous dérivons un modèle de formation local qui explique les color-lines dans le contexte des scènes brumeuses et l'utilisons pour récupérer la transmission de la scène basée sur le décalage des lignes par rapport à l'origine. L'absence d'une color-line dominante à l'intérieur d'un patch ou son manque de cohérence avec le modèle de formation nous permet d'identifier et d'éviter les prédictions fausses. Ainsi, contrairement aux approches existantes qui suivent leurs hypothèses sur l'ensemble de l'image, notre algorithme valide ses hypothèses et obtient des estimations plus fiables lorsque cela est possible. De plus, nous décrivons un modèle de champ aléatoire de Markov dédié à la production de cartes de transmission complètes et régulières à partir d'estimations bruyantes et éparses. Contrairement aux modèles de champ traditionnels qui se composent de couplages locaux, le nouveau modèle est augmenté de connexions à longue portée entre les pixels ayant des attributs similaires. Ces connexions permettent à notre algorithme de résoudre correctement la transmission dans des régions isolées où les pixels voisins n'offrent pas d'informations pertinentes. Une évaluation exhaustive de notre méthode sur différents types d'images et sa comparaison avec des méthodes à la pointe de la technologie sur des images de référence établies montrent une amélioration constante de la précision de la transmission de la scène estimée et des radiances récupérées sans brume.