Partial demosaicing of CFA images for stereo matching

La mise en correspondance stéréoscopique consiste à retrouver dans les images couleur gauche et droite les primitives homologues. Dans ce but, des mesures de similarité entre les pixels dans une paire d’images sont calculées. Un coût de correspondance est généralement calculé à chaque pixel de l’image gauche pour tous les décalages dans un champ prédéfini, c'est à dire pour un ensemble limité de pixels candidats dans l’image droite. Ensuite, le pixel candidat qui minimise le coût est retenu et sa position donne la disparité. Les coûts de mise en correspondance supposent que les pixels homologues ont presque les mêmes composantes couleur. Les composantes couleur sont dégradées par le dématriçage quand les images couleur ont été acquises par un caméra équipée d'un seul capteur. L'idée est de tenter une mise en correspondance directement à partir des images CFA. De cette façon, il serait possible de travailler sur des intensités de couleurs dont on est sûr. Le fait de travailler sur les images CFA soulève différents problèmes. Tout d'abord, le nombre d'informations est considérablement réduit par rapport à une image couleur idéale: nous en avons trois fois moins. Il faut donc que nous travaillions avec des outils capables de pallier cette carence. Ensuite, rien ne nous permet d'affirmer que des pixels homologues vont être codés dans des couleurs similaires dans les deux images stéréoscopiques CFA. Nous suggérons d'estimer partiellement les éléments manquants et ensuite de mettre en correspondance les pixels. Nous avons prouvé que ce dématriçage partiel donne de meilleurs résultats que le dématriçage total.Most color stereovision setups include single-sensor cameras which provide Color Filter Array (CFA) images. In those images, a single color component is sampled at each pixel rather than the three required ones (R,G,B). We show that standard demosaicing techniques, used to determine the two missing color components, are not well adapted when the resulting color pixels are compared for estimating the disparity map. In order to avoid this problem while exploiting color information, we propose a partial demosaicing designed for dense stereovision based on pairs of Bayer CFA images. Finally, experimental results obtained with benchmark stereo image pairs show that stereo matching applied to partially demosaiced images outperforms stereo matching applied to standard demosaiced images