La colorisation est un enjeu important pour la restauration des documents anciens par exemple, mais également pour l’industrie du divertissement. Les méthodes se divisent en deux catégories, les méthodes manuelles et les méthodes dites basée-exemple pour lesquelles l’utilisateur fournit une image en couleur qui sert de source d’information. La comparaison des textures permet d’extraire la couleur. Il faut ensuite régulariser, ce que l’on effectue dans notre cas par la minimisation d’une fonctionnelle non convexe. Proposer un modèle raisonnable pour la colorisation ainsi qu’un algorithme efficace pour minimiser la fonctionnelle proposée a constitué l’essentiel du début de la thèse.

Néanmoins, les méthodes basée-exemple présentent une difficulté qui est la recherche d’une image source pertinente. Il est difficile de trouver l’image source pertinente pour une colorisation donnée, et la méthode échoue fréquemment, il suffit par exemple qu’une couleur ne soit pas présente dans l’image source, ou encore d’avoir deux parties lisses ou des textures similaires devant exprimer une couleur différente. Afin d’éviter ces écueils, nous avons proposé une méthode de colorisation dite collaborative, qui se présente comme une méthode interactive dans laquelle l’utilisateur tiens un rôle de superviseur du résultat. Il a la possibilité d’intégrer des points de couleurs dans le résultat là où le résultat ne lui semble pas satisfaisant. Cette nouvelle information est intégrée dans le processus en exploitant la non convexité du modèle.