Deux clichés du même endroit : l'un pris le matin par un drone, l'autre le soir par un satellite. Sur le premier, des ombres d'arbres ; sur le second, des reflets sur l'eau. C'est comme deux récits d'un même événement dans des dialectes différents : les mots se ressemblent, mais la grammaire diffère. La fusion d'images est un traducteur qui trouve un langage commun entre ces clichés.
Le traducteur ne se contente pas d'ajuster les mots, il cherche des points de repère. Sur les images, ce sont les angles des bâtiments, les méandres des rivières, les contours des champs. D'abord, il extrait ces caractéristiques, puis il les met en correspondance entre les clichés, estime comment décaler, faire pivoter ou étirer une image pour qu'elle coïncide avec l'autre, et enfin applique cette transformation. Ainsi, deux « dialectes » deviennent un seul texte.
Mais il n'existe pas de traducteur universel. Pour les décalages et rotations rigides, on utilise des marqueurs externes ou des surfaces ; pour les estimations rapides, les moments et les axes principaux ; pour les déformations complexes, des calculs souples : réseaux de neurones, ensembles flous, algorithmes évolutionnaires. Chaque méthode est un dialecte, et le choix dépend de la distance entre les « langues » des images.
Autrefois, les chercheurs disposaient de méthodes disparates sans carte d'ensemble. Aujourd'hui, une classification selon dix critères est apparue, de la dimensionnalité à la modalité. C'est comme un dictionnaire qui indique le meilleur traducteur pour chaque paire de dialectes. En médecine, ce traducteur combine anatomie et fonction ; en écologie, il assemble des images de la forêt sur plusieurs années ; en vision par ordinateur, il aligne des images pour le suivi de mouvement.
Mais même le meilleur traducteur trébuche parfois. Lorsqu'une image est masquée par des nuages ou qu'un objet est partiellement caché, les points de repère se perdent. Et alors, deux récits d'un même lieu restent intraduits. La fusion automatique dans de telles conditions de bruit est une question ouverte, sur laquelle ingénieurs et scientifiques se penchent.
Pour fusionner des images IRM et TEP du cerveau, on utilise souvent l'information mutuelle : elle trouve des motifs communs dans les intensités, même si une image montre l'anatomie et l'autre l'activité métabolique.