INTRODUCTION
La vision artificielle et, à travers elle, le traitement d’images ont connu ces dernières années une très forte expansion dans des domaines et pour des applications aussi diversifiées que l’industrie, la robotique, l’espace, le médical et les systèmes de défense. Cela peut s’expliquer par la part prépondérante que représente la vision dans l’activité humaine et par le besoin d’améliorer cette perception dans des conditions d’observation délicates, voire de l’automatiser pour permettre l’exécution autonome de certaines tâches.
Les premières bases du traitement d’images sont directement issues du traitement du signal, phénomène normal puisque toute image, qu’elle soit continue ou numérique, peut être considérée comme un signal à 2 dimensions. Aussi les techniques de filtrage, d’estimation et de prise de décision ont-elles été appliquées avec succès à partir des années 50. Cependant, le contenu informationnel d’une image échappe quelque peu aux démarches de modélisation qui sous-tendent la définition d’opérateurs de traitement du signal. En effet, ces derniers font largement appel à des modèles statistiques (d’ordres plus ou moins élevés) et linéaires, ce qui facilite grandement la manipulation et le développement mathématiques. Certes, le traitement d’images peut être abordé en suivant cette même voie, mais l’insuffisance des modèles vis‐à‐vis de la nature intrinsèque des images apparaît rapidement à tout ingénieur ayant à définir et développer une fonction bien précise de vision par ordinateur.
En tentant d’analyser le processus de formation d’une image, on constate que celui‐ci est extraordinairement complexe et fait intervenir, en interaction étroite, un grand nombre de caractéristiques et de phénomènes physiques : la forme et la radiométrie des objets présents (albédo, couleur, émissivité en infrarouge), les sources d’éclairement (directes ou diffuses), la propagation dans l’atmosphère (en lui‐même un milieu très complexe qui est le siège de nombreux processus physiques) et enfin le capteur (œil ou senseur optronique) qui reçoit les signaux lumineux, forme, traite et interprète l’image.
Les scènes représentent des objets dont la composition et l’agencement déterminent des relations structurelles entre les parties de l’image et dont l’aspect de surface détermine des propriétés statistiques. En généralisant, on peut interpréter toute l’image en utilisant deux types d’analyse : l’analyse statistique et l’analyse structurelle. La richesse des cas de figure que l’on pourra rencontrer rendra fréquemment utopique l’espérance d’une solution algorithmique unique et homogène pour remplir une tâche un tant soit peu « intelligente ». Le concepteur d’un algorithme de traitement d’images devra certes s’appuyer sur la panoplie des techniques offertes par les théories du signal et de la décision, mais il devra pour finir être capable de les assembler pour constituer un système répondant le plus complètement possible aux exigences initiales. C’est peut-être dans cette dernière étape que réside la spécificité du traitement d’images ; une discipline qui repose pour une part non négligeable sur un savoir-faire et des heuristiques dont la formalisation se poursuit. Un modèle particulièrement performant nous est offert par le système visuel humain. Aussi les recherches physiologiques dans le domaine sont-elles importantes pour alimenter notre compréhension des mécanismes impliqués et nous suggérer de nouveaux modes d’association des techniques de base, voire de nouveaux modèles.
