Restauration d'images par algorithmes génétiques et logique floue

La restauration d'images est une étape primordiale dans le processus de traitement d'images, elle consiste à essayer de réduire les distorsions subies par l'image. En pratique, l'objectif d'une opération de restauration est d'estimer à partir de l'image observée, une image aussi proche que possible de l'image originale. Pour reconstruire cette estimée tout en faisant apparaître au mieux les détails, il est nécessaire de modéliser les déformations qui affectent la scène originale en tenant compte de toutes les connaissances disponibles. Les techniques de déconvolution ont démontré leur efficacité et leur performance lorsque les images acquises sont soumises à des effets de dégradation à la fois du flou et du bruit. Néanmoins, il existe des méthodes dont la fiabilité dépend évidemment du choix des paramètres d'initialisation qui sont quasi-inconnus. Ces paramètres ont une influence directe sur le résultat attendu du processus de restauration. Afin de pallier à ces difficultés et assurer l'ajustement dynamique des paramètres décisifs, nous nous sommes appuyés sur les deux techniques essentielles de soft computing, à savoir les algorithmes génétiques et la logique floue.