Abstract FR:

Ce memoire porte sur l'agrandissement des images numeriques fixes en niveaux de gris dans un contexte general sans connaissance a priori. Il est constitue de trois parties. La premiere porte sur une description detaillee des methodes d'agrandissement que l'on peut trouver dans la litterature. Nous commencons par presenter les methodes d'interpolation classiques ayant pour objectif de preserver les frequences de l'image a agrandir, puis nous detaillons des methodes recentes de preservation structurelle produisant une meilleure nettete. La deuxieme partie constitue la contribution majeure de ce travail en proposant deux nouvelles methodes d'agrandissement. La premiere methode est basee sur la synthese de similarites detectees sur une representation pyramidale de l'image. Elle reprend a la base le zoom fractal classique en apportant de nombreuses modifications et ameliorations aussi bien dans la phase d'analyse que dans celle de synthese. Nous verifions experimentalement l'hypothese de preservation des similarites. La deuxieme methode d'agrandissement que nous proposons s'interesse a l'ensemble admissible des images agrandies d'une image initiale. La condition d'admissibilite repose ici sur la notion de reduction: une image agrandie appartient a l'ensemble des solutions si sa reduction est identique a l'image initiale. Nous etudions differents algorithmes de projection sur cet ensemble. La troisieme partie concerne des ameliorations et des applications de nos deux methodes. Tout d'abord, nous ameliorons la qualite de l'image agrandie par synthese de similarites en recherchant celles-ci sur une pyramide en quiconque. Ensuite, nous exploitons la methode d'agrandissement par induction pour regulariser, vis-a-vis de la contrainte de reduction, les images agrandies par synthese de similarites. Enfin, nous exploitons egalement cette methode pour realiser un codage hierarchique de l'image permettant sa transmission progressive sur reseau.