Résumé
Dans un très grand nombre de problèmes d'imagerie on est amené à résoudre;
une équation intégrale de première espèce, ce qui constitue, dans la plupart des;
cas, un problème inverse mal posé . Dans ces problèmes, l'obtention d'une solution;
unique et stable vis-à-vis des erreurs sur les données passe par l'introduction;
d'une information a priori sur la solution .;
Une information a priori utilisée dans beaucoup d'applications en l'imagerie est la;
positivité. Les méthodes basées sur le principe du maximum d'entropie (MaxEnt);
sont classiquement employées pour prendre en compte cette information a priori .;
Cependant, l'utilisation de ce principe ne se limite pas à ce seul cas . Depuis ces;
dix dernières années, beaucoup de travaux sur l'utilisation de l'entropie dans ces;
problèmes ont été menés .;
L'objectif principal de cet article est d'essayer de classer ces méthodes, de montrer;
leurs limites théoriques et pratiques, de montrer les liens qui peuvent exister;
entre elles, et, finalement, de fournir des fiches synthétiques pour chacune de ces;
méthodes . Pour ceci, nous distinguerons trois familles de méthodes que nous appellerons;
MaxEnt classique, MaxEnt sur la moyenne, et MaxEnt bayésienne . Nous;
étudierons les différentes variantes à l'intérieur de chaque famille et préciserons;
les liens qui existent entre ces différentes méthodes .