Résumé : N'importe quelle image, numérique ou analogique, contient de l'information sur la scène photographiée, mais aussi des interférences externes connues sous le nom de "bruit". Il est nécessaire d'utiliser des méthodes capables de bien caractériser le bruit, avec l'image abîmée comme point de départ.

Une fois le bruit bien caractérisé, l'étape suivante consiste à obtenir une version de l'image aussi fidèle que possible à l'image idéale. Ce processus est appelé "débruitage en aveugle", parce que l'image idéale n'est pas disponible. L'élimination du bruit est un processus guidé par l'estimation préalable du bruit.
 
Dans cette thèse, on discute de façon détaillée des diverses techniques pour l'estimation du bruit, des techniques les plus simples -qui ne considèrent que le bruit homoscédastique- jusqu'à la nouvelle technique qu'on propose pour obtenir un modèle de bruit complexe, dépendant de l'intensité et de la fréquence.

En ce qui concerne le débruitage, cette thèse est plus particulièrement centrée sur des techniques basées sur un modèle bayésien. La thèse se termine par la présentation de la Noise Clinic ("clinique du bruit"), l'outil automatique qu'on propose pour l'estimation et l'élimination du bruit.

La Noise Clinic combine l'estimation automatique d'un modèle de bruit complexe avec son élimination pour chacune des échelles de l'image. Cela permet de restaurer une vaste typologie d'images, y compris celles comprimées avec JPEG.