Déconvolution d'images satellitaires :
Nous décrivons tout d'abord la formation d'images satellitaires et le modèle de dégradation utilisé pour la restauration. Le caractère mal-posé du problème de la déconvolution sera  exposé.  En complément du cours sur les problèmes variationnels en traitement d'images, nous ferons un rappel  des méthodes classiques linéaires de déconvolution, puis présenterons les méthodes non linéaires, prenant en compte les discontinuités des images. Nous présenterons l'approche stochastique pour ces modèles et montrerons son intérêt pour l'optimisation et l'estimation des paramètres.

Satellite image deconvolution:
We first introduce the formation model for satellite images. We explain why the image decomnvolution is an ill-posed problem and recall some well-known linear regularised methods. Then, as a complement to the lectures on variational problems in image analysis we will present some edge-preserving nonlinear methods. We then analyse these models form the stochastic point of view and show that this approach gives solutions for optimisation and parameter estimation.

Bibliographie ― References:

• Winkler G., ``Image analysis, random fields and dynamic Monte Carlo methods : a mathematical introduction'' 2^ème édition Springer-Verlag, 2003.
  
• Hyperparameter estimation for satellite image restoration using a MCMC Maximum Likelihood method. A. Jalobeanu and L. Blanc-Féraud and J. Zerubia. Pattern Recognition, 35(2): pages 341--352, 2002