Teses / dissertações sobre o tema "Images à résolution submétrique"

Le deep learning a transformé de nombreux domaines jusqu'à présent, propulsé par des algorithmes améliorés et une accessibilité accrue aux données. La télédétection, en particulier, offre d'importantes opportunités pour les applications de vision avec des implications socio-écologiques directes. Les forêts représentent un composant environnemental majeur, offrant des fonctions essentielles telles que la régulation du climat, la préservation de la biodiversité et l'interaction avec les êtres vivants. Partant d'études révélant les motifs forestiers à l'aide d'images de résolution grossière ou de capteurs structurels tels que LiDAR, cette thèse explore des images de résolution sub-métrique - des données visuelles humainement interprétables et hautement détaillées couvrant la Terre. Les attributs forestiers de différents types sont étudiés, allant des caractéristiques des arbres à la hauteur et à la biomasse des forêts. Techniquement, cette thèse commence avec une configuration de segmentation sémantique in-domain, plonge dans la régression des attributs structuraux, et se termine par l'adaptation inter-domaine. Cela apporte des éclairages sur la capacité d'apprentissage des modèles de vision dans le contexte de la compréhension d'images de scènes naturelles. La première partie de la thèse introduit un cadre d'apprentissage en profondeur pour compter, localiser et estimer la hauteur des arbres individuels à partir d'images aériennes à l'échelle nationale. Un réseau UNet avec attention est utilisé pour délimiter les couronnes des arbres individuels et compter les arbres avec une supervision ponctuelle. La hauteur des arbres est estimée à partir d'images optiques en apprenant une cartographie des indices visuels aux hauteurs de la canopée projetées à partir de nuages de points LiDAR. Les résultats sont comparés aux données sur le terrain pour évaluer les valeurs pratiques du cadre en tant que données supplémentaires pour soutenir la gestion forestière nationale numérisée. Cette étude met en avant l'efficacité de l'apprentissage profond pour caractériser les structures forestières de manière visuellement interprétable. Cependant, des défis persistent dans l'apprentissage de motifs complexes à partir des données optiques, ce qui motive la seconde étude sur la biomasse forestière au niveau des peuplements, généralement collectée sur le terrain. À une échelle plus large, les méthodes prédominantes appliquent des modèles statistiques ou d'apprentissage automatique sur des images multispectrales, souvent complétées par des données de hauteur et calibrées avec des données de terrain. Nous sommes les premiers à démontrer que la biomasse des peuplements peut être apprise directement à partir d'images RGB de résolution sub-métrique, utilisant des réseaux neuronaux convolutionnels et des données de terrain. Cela ouvre des voies pour une quantification efficace et précise de la biomasse forestière, critique pour la préservation de la nature et les engagements neutres en carbone. Les deux premières études utilisent des systèmes d'apprentissage profond pour quantifier les attributs forestiers avec un jeu de données spécifique, mais une performance dégradée est souvent observée lorsqu'elle est appliquée à des données hors distribution. La troisième étude vise à aborder le problème de décalage de domaine, explorant si les modèles d'apprentissage profond peuvent être rapidement adaptés à de nouveaux jeux de données avec des efforts marginaux. Nous mettons à disposition un nouveau jeu de données composé d'images optiques de résolution sub-métrique collectées dans cinq pays et évaluons l'adaptabilité inter-domaines de diverses tâches de régression au niveau de l'image. Dans l'ensemble, cette thèse présente une collection de systèmes d'apprentissage profond adaptés à la cartographie des ressources forestières, contribuant ainsi aux efforts de gestion durable pour un avenir plus vert
Deep learning has transformed numerous fields so far, propelled by improved algorithms and increased data accessibility. Remote sensing, in particular, offers significant opportunities for vision applications with direct socio-ecological implications. Forests represent a major environmental component, offering essential functions including climate regulation, biodiversity preservation, and interaction with living creatures. Departing from studies that reveal forest patterns using coarse resolution imagery or structural sensors like LiDAR, this thesis explores sub-meter resolution imagery - human-interpretable and highly detailed visual data covering the Earth. Forest attributes of different types are investigated, varying from tree characteristics to forest height and biomass. Technically, this thesis starts with a vanilla setup of in-domain semantic segmentation, delves into the regression of structural attributes, and ends with cross-domain adaptation. This brings insights into the learning capacity of vision models in the context of natural scene image understanding. The first part of the thesis introduces a deep learning framework to count, locate, and estimate the height of individual trees from aerial images at the national scale. An attention UNet is utilized to delineate individual tree crowns and count trees with point supervision. Tree height is estimated from optical imagery by learning a mapping from visual cues to canopy heights projected from LiDAR point clouds. Results are compared against field data to assess the practical values of the framework as supplementary data to support digitized national forest management. This study highlights the capacity of deep learning in characterizing visually interpretable forest and tree structures. Yet, challenges persist in learning more complex patterns from the optical data. This motivates the second study on forest biomass at stand level, a structural measure of forests typically collected on the ground. At larger scales, predominating methods apply statistical or machine learning models on multispectral imagery, often complemented by height data and calibrated with field data. To our knowledge, we are the first to demonstrate that stand-level biomass can be directly learned from sub-meter resolution RGB imagery, rich in forest and tree details, using convolutional neural networks and field data. This provides avenues for efficient and accurate quantification of forest biomass, a critical indicator of forest resources that supports nature preservation and carbon-neutral commitments. The first two studies employ deep learning systems to quantify forest attributes given a specific dataset, which follows the principal in-domain assumption of machine learning. Yet, degraded performance is often observed when applied to out-of-distribution data, a common scenario in practice. The third study aims to address the domain shift issue, exploring whether deep learning models trained on one dataset can be quickly adapted to new datasets with marginal efforts. We release a new dataset consisting of sub-meter resolution optical imagery collected in five countries and assess the cross-domain adaptability of various image-level regression tasks, including tree cover, total tree count, and average canopy height. By enforcing ordered embedding space during training, models are effectively prepared for later adaptation in source-free low-shot setups. Overall, this thesis introduces a collection of deep learning systems tailored for forest resource mapping with depth into technical and applied insights, contributing to sustainable management efforts for a greener future
Deep learning har hidtil transformeret talrige områder, drevet af forbedrede algoritmer og øgettilgængelighed af data. Fjernregistrering tilbyder betydelige muligheder for visionsapplikationermed direkte socioøkologiske implikationer. Skoveudgør en vigtig miljømæssig komponent og tilbyder essentielle funktioner, herunder klimaregulering, bevarelse af biodiversitet og interaktion medlevende væsener. Afgang fra studier, der afslørerskovmønstre ved hjælp af grovopløsningsbilledereller struktursensorer som LiDAR, udforsker denneafhandling sub-meteropløsningsbilleder - menneskefortolkelige og detaljerede visuelle data, derdækker Jorden. Forskellige skovattributter undersøges, lige fra trækarakteristika til skovhøjdeog biomasse. Teknisk set starter denne afhandling med en grundlæggende opsætning af semantisk segmentering inden for domænet, går videretil regression af strukturelle attributter og sluttermed tværfaglig tilpasning. Dette giver indsigt i visionmodellers indlæringskapacitet i konteksten afforståelse af naturscener. Afhandlingens førstedel introducerer et dybtlæringsrammeværk til attælle, lokalisere og estimere højden af individuelle træer fra luftfotos på nationalt plan. En opmærksomhed UNet bruges til at afgrænse individuelle trækroner og tælle træer med punktsupervision. Træhøjde estimeres fra optisk billedmaterialeved at lære en afbildning fra visuelle ledetråde tilkronhøjder projiceret fra LiDAR-punktskyer. Resultater sammenlignes med feltdatabaser for at vurdere rammeværkets praktiske værdier som supplement til understøttelse af digitaliseret nationalskovforvaltning. Denne undersøgelse fremhæverdybtlæringens evne til at karakterisere visuelt fortolkede skov- og træstrukturer. Dog vedvarerudfordringer i at lære mere komplekse mønstrefra det optiske data. Dette motiverer den anden undersøgelse af skovbiomasse på bestandsniveau, en strukturel måling af skove, der typiskindsamles på jorden. På større skalaer anvender dominerende metoder statistiske eller maskinlæringsmodeller på multispektralt billedmateriale,ofte suppleret med højdedata og kalibreret medfeltdatabaser. Efter vores viden er vi de førstetil at demonstrere, at bestandsniveauets biomassedirekte kan læres fra sub-meteropløsnings-RGBbilledmateriale, rigt på skov- og trædetaljer, vedhjælp af konvolutionelle neurale netværk og feltdatabaser. Dette giver muligheder for effektiv og præcis kvantificering af skovbiomasse, enkritisk indikator for skovressourcer, der støtternaturbevarelse og klimaneutrale forpligtelser. Deførste to studier benytter dybtlæringssystemer tilat kvantificere skovattributter ud fra et specifikt datasæt, hvilket følger den grundlæggendeantagelse om maskinlæring inden for domænet.Dog observeres der ofte nedsat præstation, nårdet anvendes på data uden for distributionen,en almindelig situation i praksis. Det tredjestudie sigter mod at adressere domæneskiftproblemet ved at undersøge, om dybtlæringsmodeller trænet på ét datasæt hurtigt kan tilpassestil nye datasæt med marginale bestræbelser.Vi frigiver et nyt datasæt bestående af submeteropløsnings optisk billedmateriale indsamleti fem lande og vurderer krydsdomænet tilpasningsevne for forskellige billedniveau-regressionstasks,herunder trædække, samlet trætælling og gennemsnitlig krones højde. Ved at håndhæve en ordnetindlejret rum under træning forberedes modellereffektivt til senere tilpasning i kildefrie lavskudsopsætninger. Overordnet introducerer denne afhandling en samling dybtlæringssystemer skræddersyet til kortlægning af skovressourcer med dybdei tekniske og anvendte indsigter, hvilket bidrager tilbæredygtige forvaltningsindsatser for en grønnerefremtid

L'imagerie médicale échographique présente plusieurs avantages comme son innocuité, sa facilité d'emploi, la diversité des organes concernés et le faible coût de ce mode d'imagerie. Cependant les images obtenues par échographique souffrent d'une résolution plutôt faible comparées à celle que l'on peut obtenir avec un appareil d'IRM ou en utilisant des rayons X. Le défi majeur de l'échographie médicale est donc de réussir à produire des images avec une résolution beaucoup plus fine, à fréquence nominale fixe.Des travaux ont été entrepris dans ce sens depuis longtemps. Plusieurs pistes ont été explorées. La majorité des travaux effectués jusqu'à présent a consisté à travailler sur l'échographe et particulièrement sur les sondes ultrasonores, avec principalement pour objectif d'augmenter la fréquence des ultrasons utilisés. Cette approche a conduit à l'existence de l'échographie haute résolution, avec cependant une limite importante qui est celle de la profondeur d'exploration.Une autre approche consiste à traiter numériquement des images échographiques classiques pour améliorer leur résolution. Cette méthode a plusieurs avantages, elle permet notamment de contourner la difficulté causée par la réduction de profondeur de champ liée à l'augmentation de la fréquence ultrasonore.Dans cette thèse, nous présentons une méthode permettant d'améliorer la résolution des images échographiques. Le travail de thèse à consister à adapter cette méthode à l'imagerie échographique et à proposer une estimation de la résolution théorique maximale atteinte par cette méthode en fonction de paramètres de l'image dont le SNR, et la largeur de bande de la PSF. Nous avons également proposé une méthode de superrésolution adaptée aux ultrasons. Par son apport sur l'amélioration théorique de la superrésolution et par l'adaptation au cas particulier de l'imagerie ultrasonore, ce travail de thèse ouvre des perspectives sur l'amélioration de la résolution des images échographiques par traitement du signal et de l'image
Medical Imaging Ultrasound has several advantages such as its safety, ease of use, the diversity of organs that can be imaged and the low cost of this imaging mode. However, the images obtained by ultrasound suffer from relatively low resolution compared to others than can be obtain with an MRI or using X-rays. The major challenge of medical ultrasound is the ability to produce images with a resolution much finer, without modifying the nominal frequency.Work has been undertaken in this direction for some time. Several approaches have been explored. Most of the work done so far has been to work on the ultrasound acquiring device and particularly on ultrasonic probes, with main objective to increase the frequency of ultrasound used. This approach has led to the existence of high-resolution ultrasound, but with the reduction of the depth of exploration as an important limitation.Another approach is to treat numerically conventional ultrasound images to improve resolution. This method has several advantages, it allows to circumvent such difficulties caused by the reduction of depth of field due to the increase in the ultrasonic frequency.In this thesis, we present a method to improve the resolution of ultrasound images. The thesis to be to adapt this method to ultrasound imaging and to provide an estimate of the maximum theoretical resolution achieved by this method based on image parameters including SNR and the bandwidth of the PSF. We also proposed a method of superresolution suitable for ultrasound. By providing on improving theoretical superresolution and adaptation to the particular case of ultrasound, this thesis opens up on improving the resolution of ultrasound images by processing the signal and the image

Notre thèse porte spécifiquement sur la reconnaissance d'objets cartographiques à forte structure prononcée comme les ronds-points et les ponts dans les images satellitaires à haute résolution. Etant des constructions humaines, les objets cartographiques ont des caractéristiques géométriques régulières qui les distinguent des autres objets. Nous proposons d'exploiter principalement ces caractéristiques pour obtenir une représentation de leur structure inhérente. Dans un premier temps, nous avons développé une méthode de génération de modèle explicite d'objet structurel représenté par des graphes relationnels attribués (ARGs) à partir des imagettes segmentées par un expert. A la fin de cette étape préliminaire, nous avons réussi à générer des modèles d'objets pour les catégories d'objets ronds-points et ponts. Nous avons proposé, dans un deuxième temps, l'apprentissage d'un modèle plus souple fondé principalement sur l'apparence des composants locaux de l'objet par une méthode statistique d'apprentissage. On apprend un modèle implicite d'objet par la fusion de classifieurs faibles obtenus à partir des primitives géométriques en utilisant l'algorithme Adaboost. Nous avons également proposé une méthode de reconnaissance par un modèle implicite construit par une approche composants et structure. Le modèle est appris par l'algorithme de regroupement Mean-Shift. Enfin, les méthodes de reconnaissance sont validées sur un ensemble d'images réelles fournies par le CNES dans le cadre d'une compétition nationale et d'une application cartographique
Our thesis' subject considers specifically the recognition of cartographic objects with a highly composite structure, such as roundabouts and bridges, on high resolution satellite images. Being man-made constructions, cartographic objects have regular geometrical features that distinguish them from other objects. We propose to exploit principally these features in order to obtain a representation of their inherent structure. A method to generate an explicit structural object model represented by Attributed Relational Graphs (ARGs) from images segmented by an expert is first developed. At the end of this preliminary stage we succeeded to generate object models for the roundabout and bridge categories. We then proposed to learn a more flexible model based on the appearances of the local parts of the objects using a statistical learning method. An implicit object model is learned by the fusion of weak classifiers obtained from geometrical primitives using the Adaboost algorithm. An object recognition method using an implicit model constructed by a parts and structures approach is then proposed. The model is learned using the Mean-Shift clustering algorithm. Finally, the methods are validated on satellite images provided by the CNES in the frame of a national competition and a cartographic application

Dans ce manuscrit, nous avons étudié l’extension de l’analyse multi-résolution aux images couleurs par des transformées sur graphe. Dans ce cadre, nous avons déployé trois stratégies d’analyse différentes. En premier lieu, nous avons défini une transformée basée sur l’utilisation d’un graphe perceptuel dans l’analyse à travers la transformé en ondelettes spectrale sur graphe. L’application en débruitage d’image met en évidence l’utilisation du SVH dans l’analyse des images couleurs. La deuxième stratégie consiste à proposer une nouvelle méthode d’inpainting pour des images couleurs. Pour cela, nous avons proposé un schéma de régularisation à travers les coefficients d’ondelettes de la TOSG, l’estimation de la structure manquante se fait par la construction d’un graphe des patchs couleurs à partir des moyenne non locales. Les résultats obtenus sont très encourageants et mettent en évidence l’importance de la prise en compte du SVH. Dans la troisième stratégie, nous proposons une nouvelleapproche de décomposition d’un signal défini sur un graphe complet. Cette méthode est basée sur l’utilisation des propriétés de la matrice laplacienne associée au graphe complet. Dans le contexte des images couleurs, la prise en compte de la dimension couleur est indispensable pour pouvoir identifier les singularités liées à l’image. Cette dernière offre de nouvelles perspectives pour une étude approfondie de son comportement
In our work, we studied the extension of the multi-resolution analysis for color images by using transforms on graphs. In this context, we deployed three different strategies of analysis. Our first approach consists of computing the graph of an image using the psychovisual information and analyzing it by using the spectral graph wavelet transform. We thus have defined a wavelet transform based on a graph with perceptual information by using the CIELab color distance. Results in image restoration highlight the interest of the appropriate use of color information. In the second strategy, we propose a novel recovery algorithm for image inpainting represented in the graph domain. Motivated by the efficiency of the wavelet regularization schemes and the success of the nonlocal means methods we construct an algorithm based on the recovery of information in the graph wavelet domain. At each step the damaged structure are estimated by computing the non local graph then we apply the graph wavelet regularization model using the SGWT coefficient. The results are very encouraging and highlight the use of the perceptual informations. In the last strategy, we propose a new approach of decomposition for signals defined on a complete graphs. This method is based on the exploitation of of the laplacian matrix proprieties of the complete graph. In the context of image processing, the use of the color distance is essential to identify the specificities of the color image. This approach opens new perspectives for an in-depth study of its behavior

Ce document d'habilitation est consacré à l'étude de séries temporelles d'images de télédétection à basse (LSR) et à très haute résolution spatiale (VHSR). Les phénomènes étudiés concernent la météorologie et l'océanographie (données LSR) et l'agriculture et le milieu urbain (données VHSR). La fréquence d'acquisition des données satellites est inversement proportionnelle à la résolution spatiale. Ainsi, pour des données LSR, la cadence d'acquisition est élevée (une images pour $15min$ avec le satellite MSG --Météosat Seconde Génération) et cela autorise l'étude des mouvement atmosphériques turbulents observés à travers le mouvement des nuages, la circulation océanique, ... Les problèmes d'analyse d'images associés concernent l'estimation du mouvement, le suivi de courbe ou encore l'interpolation de données manquantes. En ce qui concerne les données VHSR, la période séparant deux images peut varier de quelques semaines à quelques mois. Les études associées sont alors dédiées à la détection de changements structurels entre deux images. Du point de vue méthodologique, l'analyse de données LSR est principalement réalisée en introduisant des connaissances physiques a priori dans les outils classiques d'analyse d'images. Une part importante est dédiée à l'utilisation de techniques d'assimilation variationnelle de données. Pour l'analyse de données VHSR, nous proposons des descripteurs spécifiques permettant de caractériser les motifs texturés que l'on a à manipuler. Ces descripteurs sont ensuite utilisés pour résoudre différents problèmes d'analyse de données VHSR tels que la segmentation, la classification, la détection de fronts texturés ou encore l'estimation de l'orientation. Enfin, un chapitre est consacré à la détection de changements où nous proposons des techniques pour le détection binaire et multi-labels.

La nouvelle génération de satellites de télédétection, optique et radar, avec des résolutions de l'ordre du mètre, introduit de nouvelles problématiques, notamment en reconnaissance des formes et interprétation des données. La complémentarité entre ces deux types d'images en terme d'utilisation et d'information délivrée montre l'intérêt d'une interprétation conjointe. Nous proposons une méthode de recalage des images optique et radar fondée sur le contenu de la scène et sans utilisation des paramètres capteurs. Notre approche permet de déterminer la transformation rigide entre les images à travers une représentation hiérarchique de leur contenu, puis la transformation polynomiale à partir de couples de points obtenus à l'aide de l'information mutuelle. Nous avons développé une technique de classification permettant d'identifier le contenu de la scène, exploitant à la fois les informations de l'image optique et celles issues de l'image radar. La méthode, utilisant les séparateurs à vaste marge, montre l'interêt d'utiliser conjointement les informations contenues dans chaque image, en particulier pour la détection des routes et des bâtiments et est robuste face à la segmentation. Finalement nous présentons une méthode originale de recalage fin des bâtiments fondée sur l'hypothèse qu' “un classificateur peut reconnaître un bâtiment bien recalé si nous le lui avons appris". Ainsi nous classons des bâtiments avec des caractéristiques correspondant à plusieurs translations afin de déterminer leurs positions. Nous montrons également l'importance d'utiliser l'information contextuelle dans le recalage des objets, en particulier pour les bâtiments
The increasing quality of satellite images has generated interest in extracting man-made structures. Optical and radar sensors deliver images with unlike physical properties, thus it is interesting to fuse such images in order to benefit from joint observation. Such a process begins with registration of these images. We propose an automatic registration of radar and optical images without using sensors parameters. First, a rigid transformation is determined using a multi-scale pyramid of features representing the contours of roads and buildings. Secondly, a polynomial transformation is determined. The coefficients are obtained by associating points in both images using mutual information. We also developped a classification process in order to identify all scene objects. This method used both information from optical and radar images and svm classifier. We proved in this part a good robustness to segmentation and the interest of using both data to improve the classification, especially for roads and buildings. Finally we present an original method of fine registration for the buildings based on the assumption that “a trained classifier can recognize registrated buildings from unregistrated“. So, buildings are classified considering many translations in order to determine the good one. We also show the importance of contextual information to improve the fine registration, especially for buildings

Depuis le milieu des années 1990, l'INFO-STRATEGIE, c'est-à-dire la stratégie de mise en place de l'Information Géographique, est au cœur des préoccupations des gestionnaires du territoire et des urbanistes. Elle nécessite des données multi-sources, multi-échelles et mises à jour régulièrement à une périodicité adaptée à l'évolution du milieu urbain. Les images d'Observation de la Terre représentent un potentiel important d'acquisition d'IG. Actuellement, le marché connaît une évolution majeure avec la mise en orbite de produits-systèmes Très Haute Résolution (THR) de résolution inférieure à 5 m. Cette évolution technologique débouche sur une abondance de données numériques, sources potentielles d'IG en milieu urbain, modifie les attentes des utilisateurs et transforme leurs applications. Une réflexion en termes de demande (formalisation des besoins) et non plus d'offre est indispensable pour répondre à la multiplication de l'utilisation d'IG à diverses échelles. Par ailleurs, répondre aux besoins des « utilisateurs finaux » (politiques, gestionnaires, techniciens) revient à préciser les ajustements nécessaires à la définition des capacités des nouveaux produits-systèmes. A partir d'une enquête auprès des utilisateurs d'IG, un cahier des charges précisant les besoins en information à grande échelle est établi. Des « niches potentielles d'utilisation » des images métriques sont identifiées. Des tests sont appliqués pour analyser les gains dans l'utilisation de ces nouveaux capteurs. L'un des enjeux de l'augmentation de la résolution spatiale est une nouvelle vision du territoire plus proche de la réalité. Les objets urbains s'individualisent (domaine de l'identification) et sont caractérisés par leurs éléments constitutifs (domaine de l'analyse). Cet apport de détails perturbe les procédures classiques d'extraction automatiques et complexifie l'attribution des objets aux nomenclatures existantes. Le test de plusieurs algorithmes classiques conduit à la formalisation de règles d'identification des objets urbains sur des images THR. Ces règles sont intégrées dans une procédure de classification « orientée-objets ».

Cette thèse concerne l'élaboration d'une chaîne de traitements radargrammétrique conduisant aux structures 3-D à partir d'images radar haute résolution. L'intérêt de la cartographie 3-D par imagerie RSO (Radar à Synthèse d'Ouverture) est que l'image radar peut être acquise par tout temps et de jour comme de nuit. Nous disposons d'images issues du capteur expérimental RAMSES de l'ONERA et représentant des scènes industrielles. Ces données contiennent de nombreux échos forts et les toits des structures sont peu visibles. Ces phénomènes rendent difficile l'interprétation des images et insuffisantes les méthodes classiques de reconstruction 3-D. Face à ces particularités, nous menons l'analyse radiométrique et géométrique des données. Cette analyse aboutit à la proposition d'une chaîne algorithmique adaptée qui vise à restituer les structures cylindriques et parallélépipédiques telles que cuves et bâtiments de forme simple. Dans la première partie concernant l'analyse, nous donnons l'interprétation simplifiée de l'image radar d'une structure et étudions les statistiques des images d'amplitude. L'opportunité de la radargrammétrie haute résolution est vérifiée théoriquement puis expérimentalement. La seconde partie présente la chaîne radargrammétrique. Notre approche comprend deux étapes principales : l'extraction des structures à partir des échos forts puis l'estimation du 3-D. L'extraction des structures fait l'objet d'un chapitre important de cette thèse. Nous proposons une méthode permettant la reconnaissance de la forme englobant la structure brillante, circulaire ou rectangulaire, par optimisation d'un critère surfacique. Nous la comparons avec des techniques plus classiques de traitement d'images et étudions plusieurs critères ainsi que l'apport de méthodes d'optimisation stochastique. Nous présentons ensuite une méthodologie pour obtenir les altitudes du sol entre les structures détectées et leur hauteur, dans le cas favorable où un écho du toit est détectable.

De plus en plus de satellites d'observation sont mis en orbite autour de la terre et fournissent des images, à très haute résolution dans différentes bandes spectrales. La quantité d'informations disponibles est devenue trop importante pour qu'une équipe actuelle de photo-interprètes expérimentés puissent la traiter entièrement. Pour cette raison, il faut développer des systèmes (semi)automatiques d'analyse de scènes, pour assister les photo-interprètes. Des problèmes aussi complexes que la reconnaissance automatique de la parole ou l'interprétation automatique d'images, ne peuvent pas être résolus par une approche procédurale. Ils nécessitent un système plus complexe, qui prend en compte la connaissance a priori. L'architecture du système d'analyse de scènes, présente dans cette thèse, a été appliquée à l'analyse d'aéroports, avec comme objets d'intérêt les pistes d'atterrissage, les hangars pour avion, ainsi que les routes qui relient les premières aux seconds. Dans cette thèse, nous décrivons tout d'abord la connaissance qui doit être intégrée dans un système d'analyse de scènes afin de régulariser le problème mal-posé de la vision par ordinateur. Cette analyse de la connaissance a priori est suivie par une description du système à tableau noir, qui est utilisé pour représenter et intégrer les différents types de connaissance, la façon dont la fusion de données multiniveaux est utilisée pour réduire la probabilité de fausse alarme, ne se déduit pas directement de l'architecture du système. C'est pourquoi nous analysons les trois niveaux de fusion séparément plus en détail.

Depuis le milieu des années 1990, l'INFO-STRATEGIE, c'est-à-dire la stratégie de mise en place de l'Information Géographique, est au cœur des préoccupations des gestionnaires du territoire et des urbanis-tes. Elle nécessite des données multi-sources, multi-échelles et mises à jour régulièrement à une périodicité adaptée à l'évolution du milieu urbain. Les images d'Observation de la Terre représentent un potentiel im-portant d'acquisition d'IG. Actuellement, le marché connaît une évolution majeure avec la mise en orbite de produits-systèmes Très Haute Résolution (THR) de résolution inférieure à 5 m. Cette évolution technologi-que débouche sur une abondance de données numériques, sources potentielles d'IG en milieu urbain, modi-fie les attentes des utilisateurs et transforme leurs applications. Une réflexion en termes de demande (forma-lisation des besoins) et non plus d'offre est indispensable pour répondre à la multiplication de l'utilisation d'IG à diverses échelles. Par ailleurs, répondre aux besoins des " utilisateurs finaux " (politiques, gestionnai-res, techniciens) revient à préciser les ajustements nécessaires à la définition des capacités des nouveaux produits-systèmes. A partir d'une enquête auprès des utilisateurs d'IG, un cahier des charges précisant les besoins en information à grande échelle est établi. Des " niches potentielles d'utilisation " des images métri-ques sont identifiées. Des tests sont appliqués pour analyser les gains dans l'utilisation de ces nouveaux capteurs. L'un des enjeux de l'augmentation de la résolution spatiale est une nouvelle vision du territoire plus proche de la réalité. Les objets urbains s'individualisent (domaine de l'identification) et sont caractérisés par leurs éléments constitutifs (domaine de l'analyse). Cet apport de détails perturbe les procédures classi-ques d'extraction automatiques et complexifie l'attribution des objets aux nomenclatures existantes. Le test de plusieurs algorithmes classiques conduit à la formalisation de règles d'identification des objets urbains sur des images THR. Ces règles sont intégrées dans une procédure de classification " orientée-objets "
Since the mid 1990s 'INFO-STRATEGY', i. E. The strategic use of Geographic Information, is one of the reliable goals in urban management, planning and sustainable development. Geographic Information requires multisource and multiscale data, updated on a regular basis at appropriate time periods. Earth Observation data-such as aerial photography and satellite image-represent an important source for GI. Recently, the use of Very High Resolution imagery data (VHR - finer than 5m) offers an abundance of numerical information and therefore an important possibility to use GI in decision-making concerning the urban environment. A reflection is thus required in terms of needs rather than supply in order to meet the requirements of localised information on a variety of scales. Moreover, defining the needs of the 'end users' (decision-makers, managers, technicians) corresponds to propose the necessary adjustment to the definition of the capacity of these new sensors. In this context, on the basis of comparisons and surveys of the 'end users' a reference grid defining the needs of GI on a large-scale basis has been established. Some "potential applications" of metric images are highlighted. Tests have been carried out in order to analyse very precisely the benefits of use of these new sensors. An important factor in the increase of spatial resolution is a new vision of the territory that is closer to real-ity. Urban objects are individually recognisable (field of identification) and can be characterised by their components (field of analysis). This superabundance of details disturbs the classical automatic proce-dures of extraction (per pixel classification) and makes complex the attribution of objects to existing nomenclatures. After having tested several traditional algorithms used on HR images, it appears neces-sary to transcribe the rules of identification of urban objects and to integrate them into an 'object-oriented' classification method

Les travaux présentés dans cette thèse concernent l'utilisation de données de télédétection inédites pour le suivi des glaciers du massif du Mont Blanc : les images radar à synthèse d'ouverture Haute Résolution (HR) du satellite TerraSAR-X et les prises de vue HR d'un appareil photo numérique automatique. Cette thèse s'attache à montrer l'apport de ces sources d'informations hétérogènes pour mesurer le déplacement de surface des glaciers alpins. Dans cette optique, un examen des méthodes de mesure de déplacement spécifiques à chacun des deux types d'images est réalisé. Deux approches sont alors explorées : la mesure de déplacement monosource dans la géométrie propre à chaque capteur et la mesure de déplacement multisource via des combinaisons intra-capteur et inter-capteur. Alors que l'approche monosource fournit uniquement des mesures 2D du déplacement, les mesures multisources permettent pour la première fois d'estimer des champs de déplacement 3D de la surface des glaciers du Mont Blanc. Les mesures ont été réalisées sur plusieurs séries temporelles d'images couvrant la période 2008-2009 pour quatre glaciers du massif du Mont Blanc (Argentière, Mer de Glace/Leschaux, Bossons et Taconnaz). Dans le contexte du changement climatique, ces mesures de déplacement de surface fournissent une donnée intéressante en glaciologie pour contraindre les modèles numériques d'écoulement et d'évolution des glaciers.

Dans le cadre du développement des espaces ruraux des pays du Sud, le déploiement de l'électrification passe parfois par des projets d'électrification rurale décentralisée portés par des entreprises étrangères. La réalisation et le pilotage logistique de ces projets sont confrontés à l'absence de données cartographiques à grande échelle pour localiser individuellement les habitations à électrifier. Cette thèse montre que les images satellites de Très Haute Résolution Spatiale constituent une source de données pertinente pour aider à combler ce déficit cartographique, grâce à une meilleure adéquation de leurs caractéristiques, spatiales et spectrales, aux spécificités physiques des habitations recherchées. Cependant, l'identification et la localisation des habitations sont fortement perturbées par leur dilution et faible différenciation dans des espaces où les matériaux de construction restent majoritairement d'origine naturelle. Ainsi, l'automatisation des traitements d'identification suppose de dépasser les limites reconnues des traitements de télédétection traditionnels. Dans cette optique, il est nécessaire de mieux considérer la contextualisation spatiale et fonctionnelle des habitations dans l'espace rural. Nous proposons donc, une décomposition de l'espace rural en primitives géographiques d'intérêt auxquelles est associé l'étude de leurs relations spatiales vis-à-vis des habitations. Les résultats s'intègrent dans des traitements d'images multi-niveaux où la localisation des habitations est facilitée par celle d'autres primitives géographiques plus facilement identifiables dans les images. Selon cette méthode, une approche dite "orientée-objets" et une autre, établie à partir de l'analyse d'images, ont été testées sur un terrain d'investigation de l'Extrême Nord du Cameroun. Les résultats actuels sont encourageants, mais encore insuffisants pour une mise en application directe. Ils montrent, cependant, l'intérêt et la nécessité d'élaborer des traitements, à partir d'une modélisation du contexte spatial des habitations rurales ; ce qui présuppose d'accorder une place plus importante à l'analyse spatiale
Within the context of developing southern countries rural areas, deployment of electrification sometime relies on decentralized, rural electrification projects manage by foreign companies. The realization and management of such projects are faced with a lack of high scale cartographic data, for individual localisation of rural houses to be electrified. This thesis demonstrates that high resolution ; satellites images make a pertinent data source to partially fill this cartographic shortage, thanks to a better adequacy of their spatial and spectral characteristics with the physical specificities of the studied houses. Nevertheless, identification and localisation of houses are strongly disrupted by their dilution in an environment where building materials remain mainly natural in origin. Consequently, the systematic procedures of houses recognition imply to overcome known limits of traditional remote sensing treatments. It is, therefore, necessary to give a better consideration for houses spatial and functional contextualisation within rural areas. Thus, we are proposing a subdivision of the rural areas in geographic primitives of interest, combined to the study of their spatial links with houses. Results are integrated within multilevel images treatments where more easily identifiable geographic primitives facilate houses localisation. According to this method, on object-oriented approach and another one, built up thanks to image analysis, were tested on an investigation field of Extreme North Cameroon. Actual results are promising, but not sufficient for a direct applicative transfer. Nevertheless, they do demonstrate the benefit and the need to elaborate treatments from the modelling of rural habitations spatial context, which requires putting an emphasis on spatial analysis

L’imagerie d’exoplanètes permet d’obtenir de nombreuses informations sur la lumière qu’elles émettent, l’interaction avec leur environnement et sur leur nature. Afin d’extraire l’information des images, il est indispensable d’appliquer des méthodes de traitement d’images adaptées aux instruments. En particulier, il faut séparer les signaux planétaires des tavelures présentes dans les images qui sont dues aux aberrations instrumentales quasi-statiques. Dans mon travail de thèse je me suis intéressée à deux méthodes innovantes de traitement d’images qui sont fondés sur la résolution de problèmes inverses.La première méthode, ANDROMEDA, est un algorithme dédié à la détection et à la caractérisation de point sources dans des images haut contraste via une approche maximum de vraisemblance. ANDROMEDA exploite la diversité temporelle apportée par la rotation de champ de l’image (où se trouvent les objets astrophysiques) alors que la pupille (où les aberrations prennent naissance) est gardée fixe. A partir de l’application sur données réelles de l’algorithme dans sa version originale, j’ai proposé et qualifié des améliorations afin de prendre en compte les résidus non modélisés par la méthode tels que les structures bas ordres variant lentement et le niveau résiduel de bruit correlé dans les données. Une fois l’algorithme ANDROMEDA opérationnel, j’ai analysé ses performances et sa sensibilité aux paramètres utilisateurs, montrant la robustesse de la méthode. Une comparaison détaillée avec les algorithmes les plus utilisés dans la communauté a prouvé que cet algorithme est compétitif avec des performances très intéressantes dans le contexte actuel. En particulier, il s’agit de la seule méthode qui permet une détection entièrement non-supervisée. De plus, l’application à de nombreuses données ciel venant d’instruments différents a prouvé la fiabilité de la méthode et l’efficacité à extraire rapidement et systématiquement (avec un seul paramètre utilisateur à ajuster) les informations contenues dans les images. Ces applications ont aussi permis d’ouvrir des perspectives pour adapter cet outil aux grands enjeux actuels de l’imagerie d’exoplanètes.La seconde méthode, MEDUSAE, consiste à estimer conjointement les aberrations et les objets d’intérêt scientifique, en s’appuyant sur un modèle de formation d’images coronographiques. MEDUSAE exploite la redondance d’informations apportée par des images multi-spectrales. Afin de raffiner la stratégie d’inversion de la méthode et d’identifier les paramètres les plus critiques, j’ai appliqué l’algorithme sur des données générées avec le modèle utilisé dans l’inversion. J’ai ensuite appliqué cette méthode à des données simulées plus réalistes afin d’étudier l’impact de la différence entre le modèle utilisé dans l’inversion et les données réelles. Enfin, j’ai appliqué la méthode à des données réelles et les résultats préliminaires que j’ai obtenus ont permis d’identifier les informations importantes dont la méthode a besoin et ainsi de proposer plusieurs pistes de travail qui permettraient de rendre cet algorithme opérationnel sur données réelles
Direct imaging of exoplanets provides valuable information about the light they emit, their interactions with their host star environment and their nature. In order to image such objects, advanced data processing tools adapted to the instrument are needed. In particular, the presence of quasi-static speckles in the images, due to optical aberrations distorting the light from the observed star, prevents planetary signals from being distinguished. In this thesis, I present two innovative image processing methods, both based on an inverse problem approach, enabling the disentanglement of the quasi-static speckles from the planetary signals. My work consisted of improving these two algorithms in order to be able to process on-sky images.The first one, called ANDROMEDA, is an algorithm dedicated to point source detection and characterization via a maximum likelihood approach. ANDROMEDA makes use of the temporal diversity provided by the image field rotation during the observation, to recognize the deterministic signature of a rotating companion over the stellar halo. From application of the original version on real data, I have proposed and qualified improvements in order to deal with the non-stable large scale structures due to the adaptative optics residuals and with the remaining level of correlated noise in the data. Once ANDROMEDA became operational on real data, I analyzed its performance and its sensitivity to the user-parameters proving the robustness of the algorithm. I also conducted a detailed comparison to the other algorithms widely used by the exoplanet imaging community today showing that ANDROMEDA is a competitive method with practical advantages. In particular, it is the only method that allows a fully unsupervised detection. By the numerous tests performed on different data set, ANDROMEDA proved its reliability and efficiency to extract companions in a rapid and systematic way (with only one user parameter to be tuned). From these applications, I identified several perspectives whose implementation could significantly improve the performance of the pipeline.The second algorithm, called MEDUSAE, consists in jointly estimating the aberrations (responsible for the speckle field) and the circumstellar objects by relying on a coronagraphic image formation model. MEDUSAE exploits the spectral diversity provided by multispectral data. In order to In order to refine the inversion strategy and probe the most critical parameters, I applied MEDUSAE on a simulated data set generated with the model used in the inversion. To investigate further the impact of the discrepancy between the image model used and the real images, I applied the method on realistic simulated images. At last, I applied MEDUSAE on real data and from the preliminary results obtained, I identified the important input required by the method and proposed leads that could be followed to make this algorithm operational to process on-sky data

La connaissance détaillée et le suivi de la végétation urbaine représentent un enjeu important, tant pour les scientifiques qui étudient les relations paysage-écosystème, que pour les gestionnaires qui sont chargés de l'entretien et de la gestion de la végétation. Le principal objectif de cette thèse est d'évaluer l'intérêt des images à THRS pour cartographier la végétation en ville. Plus précisément, elle vise à évaluer le potentiel des images THRS sur trois composantes : la résolution spatiale, la résolution spectrale et l'altimétrie. Pour cela, nous avons traité plusieurs types de données optiques THRS acquises sur la Ville de Rennes et le Site des Prairies Saint-Martin : des images 2D multispectrales et superspectrales, des images multispectrales 2,5D et des données 3D acquises par un LiDAR bi-spectral. Dans un premier temps, nous avons évalué l'intérêt d'utiliser des images THRS 2D multispectrales pour identifier et caractériser la végétation et des images THRS super spectrales afin d'identifier les espèces végétales. Dans un second temps, nous avons évalué l'apport de données multispectrales THRS 2,5D et 3D pour cartographier les formes de végétation en milieu urbain en utilisant des variables spectrales, contextuelles et de hauteur. Dans un troisième temps, avons cherché à évaluer l'impact, de l'intégration des informations sur la végétation dérivées de données de télédétection THRS dans deux modèles environnementaux, un permettant d'étudier la relation paysage-biodiversité, l'autre la relation paysage- îlot de chaleur urbain
Abstract: Detailed knowledge and monitoring of urban vegetation is an important issue, both for scientists studying landscape-ecosystems relationships, and for the managers who are in charge of the vegetation management. The main objective of this thesis is to evaluate the interest of THRS images to map urban vegetation. More specifically, it aims to evaluate the potential of THRS images on three components: spatial resolution, spectral resolution and altimetry. For this purpose, we processed several types of THRS optical data acquired on the City of Rennes and the Prairies Saint-Martin Site: multispectral and superspectral 2D images, 2.5D multispectral images and 3D data acquired with a bi-spectral LiDAR. Firstly, we assessed the interest of using 2D multispectral THRS images to identify and characterize vegetation and superspectral THRS images to discriminate plant species. Secondly, we assessed the contribution of THRS 2.5D and 3D multispectral data to map vegetation patterns in urban areas using spectral, contextual and height variables. Thirdly, we sought to evaluate the impact, of the integration of vegetation information derived from THRS remote sensing data into two environmental models, one to study the landscape-biodiversity relationship, the other to analyze the landscape- urban cool island relationship

En milieu agricole, on observe depuis plusieurs décennies une régression des prairies ainsi qu’uneévolution de leur mode de gestion liées à l’intensification de l’agriculture. Face aux enjeux que ces changementsimpliquent tant sur le plan environnemental qu’économique, l’estimation de la place des prairies dans les systèmes de production et la détermination des pratiques agricoles qui leur sont associées sont stratégiques. Avec l’arrivée de nouveaux capteurs de télédétection à Haute Résolution Spatiale (HRS) caractérisés par une résolution temporelle élevée, il est désormais possible d’envisager l’étude des couverts prairiaux à une échelle fine et à partir d’observations régulières dans le temps. L’objectif de cette thèse est d’identifier les couverts prairiaux à l’échelle des territoires agricoles et de déterminer leurs modes de gestion à partir de paramètres dérivés de séries temporelles d’images de télédétection à HRS. Pour cela, plusieurs séries intra–annuelles d’images à haute résolution spatiale optiques et radars ont été constituées afin de recenser les prairies et d’identifier trois de leurs modes de gestion : le pâturage, la fauche et l’exploitation mixte, sur un bassin versant dont le système d’exploitation dominant est l’élevage laitier. Les résultats obtenus à partir du traitement et de l’analyse des séries temporelles optiques ont permis de montrer qu’il est possible d’estimer avec une bonne précision la biomasse des prairies, de les identifier et de les caractériser. Ils mettent aussi en évidence le fait que les images radars améliorent l’identification des prairies sans pouvoir discriminer leurs modes de gestion, l’utilisation combinée des deux types d’images augmentant encore le taux d’identification des prairies. Par ailleurs, les résultats montrent que les méthodes de classification s’appuyant sur des critères de comparaison adaptés aux séries temporelles (distances élastiques) produisent des résultats nettement plus satisfaisants pour discriminer les modes de gestion des prairies que les méthodes de classification standards
In agricultural areas, we observed a decrease of grasslands and change in their management in the last half–century, which are commonly associated with agriculture intensification. These changes have affected environmental and economic systems. In this context, the evaluation of grassland status and grassland management in farming systems is a key–issue for sustainable agriculture. With the arrival of new Earth observation sensors with high spatial and temporal resolutions, it is now possible to study grasslands at fine scale using regular observations over time. The objective of this thesis is to identify grasslands and their management practices using parameters derived from time–series of high spatial resolution (HSR) remote sensing data. For that purpose, several intra–annual time series of HSR optical and Synthetic Aperture Radar (SAR) satellite images were acquired in order to identify grasslands and three of their management practices: grazing, mowing and mixed management, on a catchment area mainly oriented towards cattle production. Results obtained from the processing and analysis of the optical time series have shown that it is possible to estimate with good accuracy grassland biomass, to identify and to characterize them. They also highlighted that radar images improve grassland identification without being able to distinguish management practices, the combined use of the two types of images further increasing grassland identification. Furthermore, results showed that the classification methods based on comparison criteria adapted to time series (warping criteria) increase significantly results for discriminating grassland management practices compared to standard classification methods

Lors d'une catastrophe majeure, il est nécessaire de connaître rapidement l'importance des dégâts sur les bâtiments. Actuellement, cette quantification de dégâts se fait manuellement par comparaison visuelle d'images satellite. Les méthodes automatiques sont immatures ; leurs performances étant rarement évaluées, elles ne sont pas utilisées par les opérationnels. Nous proposons un protocole standard d'évaluation des performances de méthodes de quantification de dégâts. Il s'appuie sur des bases de données de référence obtenues pour cinq cas de catastrophes variées. Celles-ci contiennent pour chaque bâtiment l'emprise de son toit dans chaque image, ainsi qu'un degré de dégâts. Le protocole permet de quantifier les performances d'une méthode et de confronter ses résultats à d'autres. Disposant de ce protocole d'évaluation, nous proposons une méthode de quantification de dégâts à partir d'un couple d'images satellites panchromatiques de très haute résolution (THR) spatiale et d'un ensemble d'objets d'intérêt définis dans l'image de référence. La méthode développée doit pouvoir conduire à des résultats satisfaisants et reproductibles en utilisant des images de modalités différentes, et être automatisée au mieux. Les dégâts sur les bâtiments sont quantifiés par l'amplitude des changements sur leurs toits. Pour comparer ces derniers, ils doivent être alignés. Le recalage géométrique des données THR est un problème complexe non résolu ; une nouvelle méthode adaptée à notre problème est développée et évaluée. Elle aboutit à des résultats généralement satisfaisants pour notre application. Des indices de changements sont ensuite extraits. Deux coefficients de corrélation et des indices de texture obtenus par filtrage sont extraits, et un degré de dégâts est attribué à chacun des bâtiments par classification supervisée. L'impact des différences de modalité des images sur les performances de notre méthode est évalué. La méthode proposée est rapide, en grande partie généralisable et robuste à l'utilisation d'images THR de différentes résolutions ou issues de couples multicapteurs ; le paramètre influant est le B/H du couple.

Les halogenures d'argent, utilises dans les produits photographiques, sont de plus en plus complexes et presentent des sous-structures chlorures ou iodures permettant d'ameliorer sensiblement les proprietes sensitometriques. En vue de caracteriser la localisation spatiale et la composition chimique de ces sous-structures, nous avons developpe une technique d'analyse en microscopie electronique en transmission filtree en energie (eftem) qui permet d'obtenir des cartographies elementaires en quelques minutes. Cette technique, baptisee images-spectres permet d'extraire, d'une serie d'images filtrees en energie, 65536 portions de spectres de perte d'energie des electrons transmis. Les spectres obtenus permettent un meilleur choix des images et des methodes de soustraction de fond utilisees pour la cartographie elementaire. Afin de pouvoir appliquer cette technique aux halogenures d'argent nous avons developpe une methode de preparation par ultramicrotomie a temperature ambiante qui permet l'obtention de coupes ultra-minces transparentes aux electrons. Les lames minces obtenues ont des epaisseurs comprises entre 20 et 80 nm et sont obtenues en quelques minutes contre quelques heures pour les techniques traditionnellement utilisees (cryo-ultramicrotomie). L'application de ces methodes nous a permis de localiser les sous-structures volontairement introduites dans des microcristaux modeles en des temps tres rapides. Nous mettons en evidence, pour la premiere fois, le potentiel de la spectroscopie eels appliquee aux halogenures d'argent en quantifiant les variations locales de compositions

Depuis 2007, une nouvelle génération de capteurs RSO (RADAR à Synthèse d'Ouverture) a été mise en orbite. Ces capteurs (TerraSAR-X, Cosmo-SkyMed, RADARSAT-2, Sentinel) sont caractérisés par des résolutions spatiales métriques à la différence des capteurs précédents (ERS, JERS, ALOS, ASAR) de résolution spatiale d'une vingtaine de mètres. La résolution spatiale métrique met en évidence une information texturale intéressante qui était inaccessible avec les RSO satellitaires existants précédemment. Les travaux de cette thèse ont pour but d'évaluer le potentiel de l'analyse texturale des images RADAR à haute résolution spatiale, pour la classification des forêts tropicales. Trois différents sites d'étude avec différentes problématiques ont été choisis pour évaluer l'apport de l'analyse texturale au Cambodge, Cameroun et Brésil. La méthode d'analyse texturale des images est réalisé moyennant les paramètres de texture de Haralick, paramètres statistique de second ordre. Une classification supervisée, en utilisant la méthode SVM (Support Vector Machine) a été adopté pour évaluer l'apport des paramètres de texture utilisés
Since 2007, a new generation of SAR sensors (Synthetic Aperture RADAR) was launched. These sensors (TerraSAR-X, Cosmo-SkyMed, RADARSAT-2, and Sentinel) are characterized by metric spatial resolutions unlike previous sensors (ERS, JERS, ALOS, ASAR) with a spatial resolution of about twenty meters. Metric spatial resolution highlights interesting textural information that was inaccessible with the previously existing SAR sensors. This thesis aims at evaluating the contribution of textural analysis from high spatial resolution images for tropical forests mapping. Three different study sites with different problematic have been chosen to evaluate the textural analysis in Cambodia, Cameroun and Brazil. Indeed, the contribution of the analysis of textural information for classification has been emphasized. The latter is understood through the analysis of Haralick textural parameters, second order statistic parameters. The retained algorithm of classification is the SVM (Support Vector Machine), as it allows taking into account numerous parameters, which can be heterogeneous with respect to their physical dimension

Les données qui seront acquises par le futur système mixte d'obseration de la Terre Orfeo auront une résolution de 1 m. Sans être comparable aux résolutions des capteurs aériens comme Ramses, celle-ci est nettement en dessous des résolutions atteintes jusqu'alors par les capteurs satellitaires comme ERS, RadarSat ou EnviSat. Cette évolution, qui ouvre le champ à de nombreuses applications comme la reconstruction de MNE (Modèle Numérique d 'Elévation), rend impérieuse une bonne compréhension de la formation du signal radar à haute et très haute résolution (THR) et en milieu urbain. En effet, les mécanismes de rétrodiffusion et les interactions matière/ rayonnement sont encore mal maîtrisés en milieu urbain et à des résolutions où le pixel ne peut plus être considéré comme de grande dimension par rapport à la longueur d'onde. En fait toutes les tentatives d 'interprétation du signal radar à haute résolution échouent aujourd'hui car notre connaissance des processus d 'interaction matière-rayonnement sur des surfaces t rès complexes comme la ville est très insuffisante. Le sujet de la thèse proposée ici est de remonter nettement en amont des processus d 'électromagnétisme de façon à construire un simulateur capable d 'aider à I'interprétation de ces images. Notre sentiment est qu'un retour approfondi au processus de formation des images radar pour ce type de résolution et pour ce type de milieu devrait permettre d 'aller plus loin dans la compréhension des potentialités et des limites de I'imagerie SAR et de I'interférométrie
The data that will be received from the future Earth'observation system will have a resolution about 1 m. Without being comparable with the resolutions of the air sensors like Ramses, this one is clearly better than the resolutions reached by the existing satellite sensors like ERS, RadarSat or EnviSat. This evolution, that opens the field of many applications like DEM (Digital Elevation Model) reconstruction, makes difficult a good understanding of the radar signal' formation to high and very high resolution (THR) and in urtan environment. Indeed, the backscattering mechanisms and the matter/ radiation interactions are still badly controlled in urban environment and when the pixel cannot be considered any more as having great dimension compared to the wavelength. In fact all attempt to understand the high resolution radar signal prove to be abortive today because our knowledge of the matter/ radiation interaction processes on very complex surfaces as the city is very insufficient. The purpose of this work is to go back to the origins of the electromagnetism processes in order to build a simulator able to help to understand the radar images. We feel that going into details of the radar images formation processes for this kind of resolution and for this kind of matter should make it possible to better understand the potentialities and the limits of the SAR imagery and interferometry

Les méthodes standard de pansharpening visent à fusionner une image panchromatique avec une image multispectrale afin de générer une image possédant la haute résolution spatiale de la première et la haute résolution spectrale de la dernière. Durant la dernière décennie, beaucoup de méthodes de pansharpening utilisant des images multispectrales furent créées. Avec la disponibilité croissante d’images hyperspectrales, ces méthodes s’étendent maintenant au pansharpening hyperspectral, c’est-à-dire à la fusion d’une image panchromatique possédant une très bonne résolution spatiale avec une image hyperspectrale possédant une résolution spatiale plus faible. Toutefois les méthodes de pansharpening hyperspectrale issues de l’état de l’art ignorent souvent le problème des pixels mixtes. Le but de ses méthodes est de préserver l’information spectrale tout en améliorant l’information spatiale. Dans cette thèse, dans une première partie, nous présentons et analysons les méthodes de l’état de l’art afin de les analyser pour connaitre leurs performances et leurs limitations. Dans une seconde partie, nous présentons une approche qui s’occupe du cas des pixels mixtes en intégrant une étape pré-fusion pour les démélanger. Cette méthode améliore les résultats en ajoutant de l’information spectrale qui n’est pas présente dans l’image hyperspectrale à cause des pixels mixtes. Les performances de notre méthode sont évaluées sur différents jeux de données possédant des résolutions spatiales et spectrales différentes correspondant à des environnements différents. Notre méthode sera évaluée en comparaison avec les méthodes de l’état de l’art à une échelle globale et locale
Standard pansharpening aims at fusing a panchromatic image with a multispectral image in order to synthesize an image with the high spatial resolution of the former and the spectral resolution of the latter. In the last decade many pansharpening algorithms have been presented in the literature using multispectral data. With the increasing availability of hyperspectral systems, these methods are now extending to hyperspectral pansharpening, i.e. the fusion of a panchromatic image with a high spatial resolution and a hyperspectral image with a coarser spatial resolution. However, state of the art hyperspectral pansharpening methods usually do not consider the problem of the mixed pixels. Their goal is solely to preserve the spectral information while adding spatial information. In this thesis, in a first part, we present the state-of-the-art methods and analysed them to identified there performances and limitations. In a second part, we present an approach to actually deal with mixed pixels as a pre-processing step before performing the fusion. This improves the result by adding missing spectral information that is not directly available in the hyperspectral image because of the mixed pixels. The performances of our proposed approach are assessed on different real data sets, with different spectral and spatial resolutions and corresponding to different contexts. They are compared qualitatively and quantitatively with state of the art methods, both at a global and a local scale

Dans cette these, nous proposons une methode d'extraction des reseaux de rues en milieu urbain a partir des nouvelles images satellites a tres haute resolution spatiale. Son objectif est de repondre a la forte demande dans la creation automatisee de cartes. La methode proposee n'utilise que l'image numerique comme source d'information. Elle est semi-automatique au niveau de la detection et exploite la cooperation entre la representation lineique de la rue et sa representation surfacique. Le graphe topologique du reseau est d'abord extrait et est utilise pour initialiser l'etape de reconstruction surfacique. Le resultat d'extraction peut alors servir a recaler le graphe precisement sur l'axe des rues. La methode utilise des contraintes geometriques fortes afin de ne pas dependre d'un modele de profil radiometrique de la rue, trop variable en milieu urbain. Dans cette optique, un modele de contour actif associe a la transformee en ondelettes, le doublesnake, a ete developpe. Son evolution dans un cadre multi-echelle permet d'extraire les sections de rues a bords paralleles dans un environnement bruite. Les positions finales des doublesnakes permettent ensuite l'extraction des intersections. La methode a ete appliquee a des images de differents capteurs et avec differents types d'urbanisation. Un protocole innovant d'evaluation quantitative des resultats par comparaison a l'interpretation humaine a permis de montrer le caractere generique de la methode, ainsi que sa bonne robustesse vis-a-vis du bruit. Cette methode constitue un pas vers une cartographie automatisee du reseau de rues urbain
This report proposes a method for extracting urban street networks from new very high spatial resolution satellite images. Its goal is to meet the need for an automatized building of maps. The proposed method uses digital image as only input data. It is semi-automatic at the detection step, and takes advantage of cooperation between linear representation of streets and their representation as surface elements. A topological graph of the street network is first extracted, and used for initializing the surface reconstruction step. The extraction result can then be used in order to precisely register the street centerline. This method favors strong geometrical constraints in order to avoid a radiometric profile model of the street, too variable in urban areas. To that aim, a model of active contour associated with the wavelet transform, called doublesnake, has been developed. Its evolution in a multi-scale framework enables the extraction of parallel street sides in a noisy environment. Then, final positions of doublessnakes permit the extraction of intersections. The method has been applied on images from different sensors and with different urban types. An innovative protocol for a quantitative assessment of the results compared to human interpretation has shown its generic aspect, as well as its robustness with respect to noise. This method is a step toward a fully automatized cartography of the street network

Les séquences temporelles d'images présentent une quantité d'information bien plus importante que des images individuelles. En effet, la prise en compte du temps accroit considérablement le nombre d'états possibles ce qui se traduit par une quantité d'information plus importante (au sens entropie). Grâce à l'agilité des satellites de nouvelle génération et à leur utilisation dans des constellations, des séquences temporelles d'images satellitaires, STIS, vont maintenant être accessibles à haute résolution. Ces données sont extrêmement riches, mais en contrepartie, elles sont complexes et difficiles à interpréter manuellement. Des méthodes d'analyse automatique sont donc requises. Les STIS à haute résolution (STISHR) se distinguent des autres types de séquences existantes par la nature des changements qu'elles présentent. En effet, contrairement aux STIS à basse résolution, les STISHR contiennent des objets. Afin de tenir compte de cette particularité, une méthode d'analyse orientée objet doit donc être utilisée. De telles méthodes existent dans le domaine de la vidéo. Cependant, les objets des STISHR peuvent subir des changements radiométriques, par exemple liés à la croissance des plantes, alors que la radiométrie des objets de vidéo est généralement supposée invariante. Nous devons donc concevoir une méthode d'analyse orientée objet adaptée à la STISHR. Par ailleurs, l'échantillonnage temporel des STISHR est irrégulier et généralement sous-échantillonné par rapport aux phénomènes observables à ces résolutions spatiales. De plus, du point de vue du satellite, aux évolutions radiométriques propres aux objets de la scène se rajoutent les évolutions radiométriques liées à l'épaisseur atmosphérique. Néanmoins, hormis de faibles erreurs de recalage géométrique, la STISHR présente une redondance temporelle dans la forme des objets. Ainsi, une construction est généralement pérenne et une zone cultivable est rarement modifiée. Nous proposons donc une méthode d'analyse de la STISHR basée objet de façon à exploiter d'une part la redondance radiométrique intra objets spatiaux, et d'autre part, la redondance temporelle de forme entre ces objets. Une étude phénoménologique de la dynamique de la scène et de la STISHR nous permet d'identifier les caractéristiques d'une représentation adaptée à la description de ses changements : il s'agit d'un graphe dont les noeuds sont des objets spatiaux reliés par des arcs exprimant leur dépendance temporelle. Le calcul de ce graphe est cependant un problème difficile, et nous proposons d'en calculer une approximation. Cette approximation est calculée en deux temps. Dans un premier temps, on considère une approximation forte sur les dépendances temporelles afin de faciliter la détermination des régions spatiales. Celles-ci sont extraites grâce à un algorithme de segmentation exploitant conjointement les deux types de redondances disponibles : l'homogénéité radiométrique spatiale, et la redondance géométrique temporelle. Les noeuds du graphe ainsi déterminés, on relaxe l'approximation sur les dépendances temporelles de façon à obtenir une estimation plus fine du graphe. Nous proposons ensuite deux utilisations de ce graphe. L'une exploite ses caractéristiques structurelles telles que la valence des noeuds afin de détecter les changements géométriques. L'autre, utilise une version attribuée par des propriétés radiométriques du graphe pour mettre en évidence des comportements fréquents.

La résolution des systèmes d'imagerie optique a été historiquement limitée par la diffraction et la limite de Rayleigh a longtemps été considérée comme insurmontable. Des techniques de super-résolution ont été développées pour aller au-delà de cette limite, mais elles sont adaptées spécifiquement à chaque contexte et atteindre une résolution sub-Rayleigh demeure très difficile. En examinant les problèmes d'imagerie à travers le prisme de la théorie d'estimation de paramètre, il est possible de comprendre les contraintes intrinsèques aux approches traditionnelles de super-résolution et de déterminer une méthode optimale, basée sur la détection d'intensité dans la base de modes d'Hermite-Gauss. Dans cette thèse, nous avons mis en place cette approche fournie par la métrologie quantique pour estimer la séparation entre deux sources incohérentes et nous avons atteint une sensibilité cinq ordres de grandeur au-delà du critère de Rayleigh. Avec notre dispositif expérimental, basé sur un démultiplexeur en modes spatiaux, nous avons étudié des scènes avec des sources à haut et bas flux de photons. En portant une attention particulière à l'exactitude et à la sensibilité des mesures, nous démontrons que le démultiplexage en modes spatiaux est particulièrement adapté pour effectuer des estimations de séparations sub-Rayleigh. Ce travail ouvre la voie à l'amélioration de la sensibilité des mesures dans des scènes optiques plus complexes se rapprochant de réelles situations d'imagerie
Historically, the resolution of optical imaging systems was dictated by diffraction, and the Rayleigh criterion was long considered an unsurpassable limit. In superresolution microscopy, this limit is overcome by manipulating the emission properties of the object. However, in passive imaging, when sources are uncontrolled, reaching sub-Rayleigh resolution remains a challenge. Here, we implement a quantum-metrology-inspired approach for estimating the separation between two incoherent sources, achieving a sensitivity five orders of magnitude beyond the Rayleigh limit. Using a spatial mode demultiplexer, we examine scenes with bright and faint sources, through intensity measurements in the Hermite-Gauss basis. Analysing sensitivity and accuracy over an extensive range of separations, we demonstrate the remarkable effectiveness of demultiplexing for sub-Rayleigh separation estimation. These results effectively render the Rayleigh limit obsolete for passive imaging

Résumé : La détection des bâtiments dans les images à très haute résolution spatiale (THRS) a plusieurs applications pratiques et représente un domaine de recherche scientifique intensive ces dernières années. Elle fait face à la complexité du milieu urbain et aux spécificités des images provenant des différents capteurs. La performance des méthodes existantes pour l’extraction des bâtiments n’est pas encore suffisante pour qu’elles soient généralisées à grande échelle (différents types de tissus urbains et capteurs). Les opérateurs morphologiques se sont montrés efficaces pour la détection des bâtiments dans les images panchromatiques (images en niveaux de gris) à très haute résolution spectrale (THRS). L’information spectrale issue des images multispectrales est jugée nécessaire pour l’amélioration de leur performance. L’extension des opérateurs morphologiques pour les images multispectrales exige l’adoption d’une stratégie qui permet le traitement des pixels sous forme de vecteurs, dont les composantes sont les valeurs dans les différentes bandes spectrales. Ce travail de recherche vise l’application de la transformation morphologique dite Hit-or-Miss (HMT) à des images multispectrales à THRS, afin de détecter des bâtiments. Pour répondre à la problématique de l’extension des opérateurs morphologiques pour les images multispectrales, nous proposons deux solutions. Comme une première solution nous avons généré des images en niveaux de gris à partir les bandes multispectrales. Dans ces nouvelles images les bâtiments potentiels sont rehaussés par rapport à l’arrière-plan. La HMT en niveaux de gris est alors appliquée à ces images afin de détecter les bâtiments. Pour rehausser les bâtiments nous avons proposé un nouvel indice, que nous avons appelé Spectral Similarity Ratio (SSR). Pour éviter de définir des configurations, des ensembles d’éléments structurants (ES), nécessaires pour l’application de la HMT, au préalable, nous avons utilisé l’érosion et la dilatation floues et poursuivi la réponse des pixels aux différentes valeurs des ES. La méthode est testée sur des extraits d’images représentant des quartiers de type résidentiel. Le taux moyen de reconnaissance obtenu pour les deux capteurs Ikonos et GeoEye est de 85 % et de 80 %, respectivement. Le taux moyen de bonne identification, quant à lui, est de 85 % et 84 % pour les images Ikonos et GeoEye, respectivement. Après certaines améliorations, la méthode a été appliquée sur des larges scènes Ikonos et WorldView-2, couvrant différents tissus urbains. Le taux moyen des bâtiments reconnus est de 82 %. Pour sa part, le taux de bonne identification est de 81 %. Dans la deuxième solution, nous adoptons une stratégie vectorielle pour appliquer la HMT directement sur les images multispectrales. La taille des ES de cette transformation morphologique est définie en utilisant la transformation dite chapeau haut-de-forme par reconstruction. Une étape de post-traitement inclut le filtrage de la végétation par l’indice de la végétation NDVI et la validation de la localisation des bâtiments par l’information d’ombre. La méthode est appliquée sur un espace urbain de type résidentiel. Des extraits d’images provenant des capteurs satellitaires Ikonos, GeoEye et WorldView 2 ont été traités. Le taux des bâtiments reconnus est relativement élevé pour tous les extraits - entre 85 % et 97 %. Le taux de bonne identification démontre des résultats entre 74 % et 88 %. Les résultats obtenus nous permettent de conclure que les objectifs de ce travail de recherche, à savoir, la proposition d’une technique pour l’estimation de la similarité spectrale entre les pixels formant le toit d’un bâtiment, l’intégration de l’information multispectrale dans la HMT dans le but de détecter les bâtiments, et la proposition d’une technique qui permet la définition semi-automatique des configurations bâtiment/voisinage dans les images multispectrales, ont été atteints. // Abstract : Detection of buildings in very high spatial resolution images (THRS) has various practical applications and is recently a subject of intensive scientific research. It faces the complexity of the urban environment and the variety of image characteristics depending on the type of the sensor. The performance of existing building extraction methods is not yet sufficient to be generalized to a large scale (different urban patterns and sensors). Morphological operators have been proven effective for the detection of buildings in panchromatic (greyscale) very high spectral resolution (VHSR) images. The spectral information of multispectral images is jugged efficient to improve the results of the detection. The extension of morphological operators to multispectral images is not straightforward. As pixels of multispectral images are pixels vectors the components of which are the intensity values in the different bands, a strategy to order vectors must be adopted. This research thesis focuses on the application of the morphological transformation called Hit-or-Miss (HMT) on multispectral VHSR images in order to detect buildings. To address the issue of the extension of morphological operators to multispectral images we have proposed two solutions. The first one employs generation of greyscale images from multispectral bands, where potential buildings are enhanced. The grayscale HMT is then applied to these images in order to detect buildings. To enhance potential building locations we have proposed the use of Spectral Similarity Ratio (SSR). To avoid the need to set multiple configurations of structuring elements (SE) necessary for the implementation of the HMT, we have used fuzzy erosion and fuzzy dilation and examined the pixel response to different values of SE. The method has been tested on image subsets taken over residential areas. The average rate of recognition for the two sensors, Ikonos and GeoEye, is 85% and 80%, respectively. The average rate of correct identification is 85% and 84%, for Ikonos and GeoEye subsets, respectively. Having made some improvements, we then applied the method to large scenes from Ikonos and WorldView-2 images covering different urban patterns. The average rate of recognized buildings is 82%. The rate of correct identification is 81%. As a second solution, we have proposed a new vector based strategy which allows the multispectral information to be integrated into the percent occupancy HMT (POHMT). Thus, the POHMT has been directly applied on multispectral images. The parameters for the POHMT have been defined using the morphological transformation dubbed top hat by reconstruction. A post-processing step included filtering the vegetation and validating building locations by proximity to shadow. The method has been applied to urban residential areas. Image subsets from Ikonos, GeoEye and WorldView2 have been processed. The rate of recognized buildings is relatively high for all subsets - between 85% and 97%. The rate of correct identification is between 74 % and 88 %. The results allow us to conclude that the objectives of this research, namely, suggesting a technique for estimating the spectral similarity between the pixels forming the roof of a building, the integration of multispectral information in the HMT in order to detect buildings and the proposition of a semiautomatic technique for the definition of the configurations building/neighbourhood in multispectral images, have been achieved.

This thesis proposes an alternative to partial differential equations (PDEs) for the solution of some problems in computer vision based on the heat transfer equation. Traditionally, the method for solving such physics-based problems is to discretize and solve a PDE by a purely mathematical process. Instead of using the PDE, we propose to use the global heat equation and to decompose it into basic laws. We show that some of these laws admit an exact global version since they arise from balance principles. We also show that the assumptions made on the other basic laws can be made wisely, taking into account knowledge about the problem and the domain. We use a computational algebraic topology-based image model which allows us to encode a physical conservative law by linking a global value on a domain with values on its boundary. The numerical scheme is derived in a straightforward way from the problem modeled. It thus provides a physical explanation of each solving step in the solution. We apply the scheme to various applications: image reconstruction from the Laplacian, optical flow computation, denoising by graylevel and multispectral diffusion and inpainting which are all modeled with the heat transfer equation.

Les images satellites haute résolution contiennent des informations très détaillées comme la forme des bâtiments, les zones industrielles, etc. Leur contenu d'information est hyper riche et très compliqué à extraire. Parmi les paysages différents, les zones urbaines et les structures géométriques sont les paysages plus compliqués pour les différents domaines de recherches. Nous allons extraire des indices intrinsèques des images satellittaires et proposer des descripteurs robustes. En utilisant ces descripteurs, nous serions capables de reconnaitre une variété des paysages, en particulier, les structures géométriques au sein des images satellitaires. L’analyse en composantes indépendantes (L’ACI) est la base théorique de cette thèse. La première contribution de thèse est une investigation sur l’effet de la taille de l’échelle et la dimension d’un système de l’ACI qui est utilisé pour caractérisation des images satellite. Cela nous aide à choisir le framework de notre modèle de l’ACI pour extraire des caractéristiques. On propose deux groupes de descripteurs pour les images satellites haute résolution. Le premier groupe contient deux types des descripteurs qui sont basés sur les coefficients (les sources) de l’ACI ordinaire ou l’ACI topographique et le deuxième contient deux types des descripteurs qui sont basés sur les propriétés des vecteurs de base de l’ACI. En se basant sur notre expérience en l’ACI, nous proposons un autre descripteur qui extrait les caractéristiques des lignes dans les images satellitaires. Finalement, les capacités des descripteurs proposes sont comparées grâce à une classification supervisée basée sur la machine à vecteurs de support
Sub-meter resolution satellite images, capture very detailed information, as for example, shape of buildings, roads, etc. The main purpose of the thesis is to propose descriptors for sub-meter resolution satellite images especially for those who contain geometrical or man-made structures. Independent component analysis (ICA) is a good candidate for this purpose, since previous studies demonstrated that the resulted basis vectors contain some small lines and edges, the important elements in the characterization of geometrical structures. As a basic analysis, a study about the effects of scale size and dimensionality of ICA system on indexing of satellite images is presented and the optimum dimensionality and scale size are found. There are two view points for feature extraction based on ICA. The usual idea is to use the ICA coefficients (ICA sources) and the other is to use the ICA basis vectors related to every image. Based on the first point of view, an ordinary ICA source based approach is proposed for feature extraction. This approach is developed and modified through a topographic ICA system to extract middle level features which leads to a significant improvement in results. Based on other point of view, two methods are proposed. One of them uses the bag of words idea which considers the basis vectors as visual words. Second method uses the lines properties inside the basis vectors to extract features. Also, using the lines properties idea, another method is developed which directly detects the line segments in the images. Finally, the capabilities of proposed descriptors are compared through a supervised classification based on support vector machine (SVM)

Les images satellites haute résolution contiennent des informations très détaillées comme la forme des bâtiments, les zones industrielles, etc. Leur contenu d'information est hyper riche et très compliqué a extraire. Parmi les paysages différents, les zones urbaines et des structures géométriques sont les paysages plus compliques pour les différant domaines de recherches. Nous allons extraire les indices intrinsèques des images satellite et proposer les descripteurs robustes. En utilisant ces descripteurs, nous serions capables de reconnaitre une variété des paysages, en particulier, les structures géométriques au sein des images satellite. L'analyse en composantes indépendantes (l'ACI) est la base théorique de cette thèse. La première contribution de thèse est une investigation sur l'effet de la taille de l'échelle et la dimension d'un système de l'ACI qui est utilisé pour caractérisation des images satellite. Cela nous aide à choisir le framework de notre modèle de l'ACI pour extraire des caractéristiques. On propose deux groupes des descripteurs pour les images satellites haute résolution. Le premier groupe contient deux types des descripteurs qui sont basés sur les coefficients (les sources) de l'ACI ordinaire ou l'ACI topographique et le deuxième contient deux types des descripteurs qui sont basés sur les propriétés des vecteurs de base de l'ACI. En se basant sur notre expérience en l'ACI nous proposons un autre descripteur qui extrait les caractéristiques des lignes dans les images satellites. Finalement, les capacités des descripteurs proposés sont comparés grâce a une classification supervisée basée sur la machine à vecteurs de support.

In the field of medical image analysis, ultrasound is a core imaging modality employed due to its real time and easy-to-use nature, its non-ionizing and low cost characteristics. Ultrasound imaging is used in numerous clinical applications, such as fetus monitoring, diagnosis of cardiac diseases, flow estimation, etc. Classical applications in ultrasound imaging involve tissue characterization, tissue motion estimation or image quality enhancement (contrast, resolution, signal to noise ratio). However, one of the major problems with ultrasound images, is the presence of noise, having the form of a granular pattern, called speckle. The speckle noise in ultrasound images leads to the relative poor image qualities compared with other medical image modalities, which limits the applications of medical ultrasound imaging. In order to better understand and analyze ultrasound images, several device-based techniques have been developed during last 20 years. The object of this PhD thesis is to propose new image processing methods allowing us to improve ultrasound image quality using postprocessing techniques. First, we propose a Bayesian method for joint deconvolution and segmentation of ultrasound images based on their tight relationship. The problem is formulated as an inverse problem that is solved within a Bayesian framework. Due to the intractability of the posterior distribution associated with the proposed Bayesian model, we investigate a Markov chain Monte Carlo (MCMC) technique which generates samples distributed according to the posterior and use these samples to build estimators of the ultrasound image. In a second step, we propose a fast single image super-resolution framework using a new analytical solution to the l2-l2 problems (i.e., $\ell_2$-norm regularized quadratic problems), which is applicable for both medical ultrasound images and piecewise/ natural images. In a third step, blind deconvolution of ultrasound images is studied by considering the following two strategies: i) A Gaussian prior for the PSF is proposed in a Bayesian framework. ii) An alternating optimization method is explored for blind deconvolution of ultrasound.

Dans l'etude du developpement ontogenetique normal et pathologique de la fonction visuelle, ce travail se veut un lien entre deux abords de la connaissance du systeme visuel, l'experimentation et la clinique. Apres une analyse des principales formations du systeme nerveux liees aux fonctions visuelles, etudiees dans l'experimentation animale, nous abordons chez l'enfant, le developpement ontogenetique normal, developpement du pouvoir de resolution et de la vision binoculaire. Dans l'abord de la pathologie, nous analysons les differents types d'amblyopies determinees par les experiences de privation, en faisant une comparaison avec l'amblyopie de l'enfant. Nous cherchons a faire ressortir le lien entre l'etiologie et le pronostic. De meme, pour les strabismes experimentaux et ceux de l'enfant. Nous reprenons la classification en nous appuyant sur d'autres methodes, notamment le test de l'eblouissement, qui permet d'etudier la statique oculaire en supprimant la fixation. Dans la derniere partie, nous tendons d'expliquer a partir du developpement ontogenetique la genese de certaines pathologies et de definir les notions de phases critique et sensible

La présence d'ombre sur les images de télédétection est de plus en plus préoccupante, principalement sur les images de très haute résolution spatiale en milieu urbain. Même si les ombres constituent une source d'information sur les objets qui les génèrent, leur présence a un effet négatif sur la qualité visuelle des images et entraîne parfois une perte d'information sur les surfaces qui les reçoivent. Il est donc important de pouvoir bien détecter ces ombres afin de corriger leurs effets ou de les exploiter autrement, et de leur donner ainsi plus de valeur ajoutée. Cette thèse développe une nouvelle technique de détection des ombres, basée sur l'approche orientée objet et sur une intégration hiérarchique des connaissances et attributs issus des propriétés intrinsèques de l'ombre. Il s'agit des attributs spectraux, géométriques liés à la forme et à l'orientation des ombres, et contextuels liés au voisinage de l'ombre. La méthode commence par une segmentation de l'image pour former les zones homogènes ou segments. Les zones d'ombre potentielles sont détectées par un seuillage pour faire ressortir toutes les zones sombres. La détection proprement dite commence par une analyse d'histogramme des zones potentiellement sombres avec un seuillage automatique et l'utilisation de la variance des segments. La détection est complétée en utilisant les attributs de forme (longueur, largeur et compacité) ainsi que le critère d'orientation des côtés de l'ombre selon l'azimut du soleil, pour différencier ces zones de certaines surfaces sombres. Enfin, le processus s'achève par une confirmation de l'ombre détectée à l'aide d'une analyse du voisinage de l'ombre du côté soleil avec la présence d'un objet susceptible de la générer. La méthode a été appliquée sur des images panchromatiques IKONOS de très haute résolution spatiale (1 m) de deux sites choisis à Sherbrooke. Les résultats obtenus sur le premier site (Campus Ouest de l'Université de Sherbrooke) donnent un pourcentage de détection globale d'environ 97%, tandis que sur le second site (Centre ville de Sherbrooke), nous avons obtenu un pourcentage de 89%.

Notre étude porte sur la fusion de données à haut niveau du contrôle ultrasonore (US) et du contrôle radioscopique (RX) en vue d'améliorer la fiabilité du contrôle automatique des défauts dans les joints soudés en acier. Le cadre mathématique que nous avons retenu est la théorie des croyances de Dempster-Shafer. L'étude des phénomènes physiques régissant la formation de l'image RX et du signal US nous a permis d'élaborer une méthode de traitement automatique spécifique pour détecter et recaler les défauts dans le même repère géométrique. Les techniques de traitements que nous avons retenues permettent de détecter des défauts de faible amplitude mais induisent par ailleurs de fausses détections. Nous avons alors mis au point une étape d'apprentissage afin de modéliser la confiance sur la présence du défaut : les paramètres d'un ensemble d'objets de référence (contraste-sur bruit, taille, élongation) sont comparés à l'analyse de l'expert humain. Ce travail fait apparaître des régions de l'espace des paramètres qui correspondent à des objets de même nature. Une méthode originale de calcul des parts de croyances permet de modéliser l'incertitude et l'imprécision du système automatique sur la nature de l'objet. Enfin, nous avons mis en place un protocole de fusion des données qui permet d'augmenter le degré de confiance sur la présence d'un défaut, de préciser sa nature, et d'améliorer la précision sur les dimensions du défaut
This thesis focuses on the development of radioscopic (XR) and ultrasonic (US) data fusion for the automatic inspection of steel welded joints in a way to enhance the reliability of defect detection. The mathematical model is the theory of evidence of Dempster-Shafer. The study of physical laws leading to the formation of XR image and US signal helped for the development of a specific processing for the detection and matching of defects. Unfortunately, the detection of low amplitude signal defects also yields false alarm detection. We therefore developed a training stage to attribute a confidence level to a detected object. During this stage, different features of reference defects were calculated (contrast-to-noise ratio, area, elongation…) and compared to the interpretation of human expert analysis. We distinguish different areas of the features space in which some types of objects are predominant. A novel method has been developed for attributing a degree of belief to an unknown object taking both uncertainty and imprecision into account. Eventually, the data fusion stage consists in combining confidence levels to increase the confidence in the presence of a defect, but also to precise its nature and dimensions

Cette thèse a pour objectif d'améliorer la classification d'objets sous-marins dans des images sonar haute résolution. En particulier, il s'agit de distinguer les mines des objets inoffensifs parmi une collection d'objets ressemblant à des mines. Nos recherches ont été dirigées par deux contraintes classiques en guerre de la mine : d'une part, le manque de données et d'autre part, le besoin de lisibilité des décisions. Nous avons donc constitué une base de données la plus représentative possible et simulé des objets dans le but de la compléter. Le manque d'exemples nous a mené à utiliser une représentation compacte, issue de la reconnaissance de visages : les Structural Binary Gradient Patterns (SBGP). Dans la même optique, nous avons dérivé une méthode d'adaptation de domaine semi-supervisée, basée sur le transport optimal, qui peut être facilement interprétable. Enfin, nous avons développé un nouvel algorithme de classification : les Ensemble of Exemplar-Maximum Excluding Ball (EE-MEB) qui sont à la fois adaptés à des petits jeux de données mais dont la décision est également aisément analysable
This thesis aims to improve the classification of underwater objects in high resolution sonar images. Especially, we seek to make the distinction between mines and harmless objects from a collection of mine-like objects. Our research was led by two classical constraints of the mine warfare : firstly, the lack of data and secondly, the need for readability of the classification. In this context, we built a database as much representative as possible and simulated objects in order to complete it. The lack of examples led us to use a compact representation, originally used by the face recognition community : the Structural Binary Gradient Patterns (SBGP). To the same end, we derived a method of semi-supervised domain adaptation, based on optimal transport, that can be easily interpreted. Finally, we developed a new classification algorithm : the Ensemble of Exemplar-Maximum Excluding Ball (EE-MEB) which is suitable for small datasets and with an easily interpretable decision function

Cette thèse a pour objectif d'améliorer la classification d'objets sous-marins dans des images sonar haute résolution. En particulier, il s'agit de distinguer les mines des objets inoffensifs parmi une collection d'objets ressemblant à des mines. Nos recherches ont été dirigées par deux contraintes classiques en guerre de la mine : d'une part, le manque de données et d'autre part, le besoin de lisibilité des décisions. Nous avons donc constitué une base de données la plus représentative possible et simulé des objets dans le but de la compléter. Le manque d'exemples nous a mené à utiliser une représentation compacte, issue de la reconnaissance de visages : les Structural Binary Gradient Patterns (SBGP). Dans la même optique, nous avons dérivé une méthode d'adaptation de domaine semi-supervisée, basée sur le transport optimal, qui peut être facilement interprétable. Enfin, nous avons développé un nouvel algorithme de classification : les Ensemble of Exemplar-Maximum Excluding Ball (EE-MEB) qui sont à la fois adaptés à des petits jeux de données mais dont la décision est également aisément analysable
This thesis aims to improve the classification of underwater objects in high resolution sonar images. Especially, we seek to make the distinction between mines and harmless objects from a collection of mine-like objects. Our research was led by two classical constraints of the mine warfare : firstly, the lack of data and secondly, the need for readability of the classification. In this context, we built a database as much representative as possible and simulated objects in order to complete it. The lack of examples led us to use a compact representation, originally used by the face recognition community : the Structural Binary Gradient Patterns (SBGP). To the same end, we derived a method of semi-supervised domain adaptation, based on optimal transport, that can be easily interpreted. Finally, we developed a new classification algorithm : the Ensemble of Exemplar-Maximum Excluding Ball (EE-MEB) which is suitable for small datasets and with an easily interpretable decision function

Le but de cette thèse est de construire une image couleur de haute qualité, contenant un faible niveau de bruit et d'aliasing, à partir d'une grande séquence (e.g. des centaines) d'images RAW prises avec un appareil photo grand public. C’est un problème complexe nécessitant d'effectuer à la volée du dématriçage, du débruitage et de la super-résolution. Les algorithmes existants produisent des images de haute qualité, mais le nombre d'images d'entrée est limité par des coûts de calcul et de mémoire importants. Dans cette thèse, nous proposons un algorithme de fusion d'images qui les traite séquentiellement de sorte que le coût mémoire ne dépend que de la taille de l'image de sortie. Après un pré-traitement, les images mosaïquées sont recalées en utilisant une méthode en deux étapes que nous introduisons. Ensuite, une image couleur est calculée par accumulation des données irrégulièrement échantillonnées en utilisant une régression à noyau classique. Enfin, le flou introduit est supprimé en appliquant l'inverse du filtre équivalent asymptotique correspondant (que nous introduisons). Nous évaluons la performance et la précision de chaque étape de notre algorithme sur des données synthétiques et réelles. Nous montrons que pour une grande séquence d'images, notre méthode augmente avec succès la résolution et le bruit résiduel diminue comme prévu. Nos résultats sont similaires à des méthodes plus lentes et plus gourmandes en mémoire. Comme la génération de données nécessite une méthode d'interpolation, nous étudions également les méthodes d'interpolation par polynôme trigonométrique et B-spline. Nous déduisons de cette étude de nouvelles méthodes d'interpolation affinées
The aim of this thesis is to build a high-quality color image, containing a low level of noise and aliasing, from a large sequence (e.g. hundreds or thousands) of RAW images taken with a consumer camera. This is a challenging issue requiring to perform on the fly demosaicking, denoising and super-resolution. Existing algorithms produce high-quality images but the number of input images is limited by severe computational and memory costs. In this thesis we propose an image fusion algorithm that processes the images sequentially so that the memory cost only depends on the size of the output image. After a preprocessing step, the mosaicked (or CFA) images are aligned in a common system of coordinates using a two-step registration method that we introduce. Then, a color image is computed by accumulation of the irregularly sampled data using classical kernel regression. Finally, the blur introduced is removed by applying the inverse of the corresponding asymptotic equivalent filter (that we introduce).We evaluate the performance and the accuracy of each step of our algorithm on synthetic and real data. We find that for a large sequence of RAW images, our method successfully performs super-resolution and the residual noise decreases as expected. We obtained results similar to those obtained by slower and memory greedy methods. As generating synthetic data requires an interpolation method, we also study in detail the trigonometric polynomial and B-spline interpolation methods. We derive from this study new fine-tuned interpolation methods

La qualite " tout-temps " des images radar a ouverture synthetique (RSO), associée a la haute résolution offerte par les nouveaux capteurs comme terrasar-x, ont motivé l'utilisation des données correspondantes pour mieux appréhender et comprendre le contenu de plusieurs environnements complexes comme celui des zones urbaines. En effet, il est désormais possible d'observer et détecter une riche information qui était carrément absente en basse résolution. Le cadre de ce travail se situe dans le domaine de l'analyse des zones urbaines avec une bonne exploitation de la haute résolution offerte par le capteur terrasar-x. Derrière ce cadre général, deux autres objectifs ont fait l'objet de ce travail. Le premier consiste a interpréter et comprendre le contenu des images RSO selon trois axes principaux où nous extrayions trois types d'information : radiométrique, statistique et géometrique. Le deuxième objectif focalise sur la génération de cartographies précises des zones urbaines en utilisant différentes techniques de fusion où les informations radiométrique, statistique et géométrique sont exploitées de façon optimale
With the launch of the terrasar-x system, a new generation of high-resolution sar data is available. This opens new perspectives and challenges for the automatic interpretation of urban environments. A rich information content, previously hidden or not clearly distinguishable in low resolution images such as urban structures (small buildings, vehicles, etc), is now disclosed. However, only proper approaches are able to retrieve automatically this new detailed information. In fact, inside urban areas, the electromagnetic scattering is characterized by a variety of single or multiple scattering mechanisms with a wide range of scattering amplitudes. This makes the interpretation and information extraction over such areas from sar images quite complex to perform. This thesis provides solutions for the semi-automatic interpretation and mapping of urban areas using the high resolution provided by terrasar-x data. Our solutions take into account the raise of new man-made structures whose visibility has increased with the high resolution, and scattering response has improved with the high frequency x-band sar sensor carried by the terrasar-x system. They are mainly based on two steps. Firstly, we adopt a multi-layer sar image interpretation approach, which extracts and describes three kinds of information : backscattering, statistical and geometrical information. Secondly, information fusion techniques are applied to optimally exploit the different layers in order to improve the mapping of urban areas

Les villes sont confrontées à de nombreuses problématiques environnementales. Leurs gestionnaires ont besoin d'outils et d'une bonne connaissance de leur territoire. Un objectif est de mieux comprendre comment s'articulent les trames grise et verte pour les analyser et les représenter. Il s'agit aussi de proposer une méthodologie pour cartographier la structure urbaine à l'échelle des tissus en tenant compte de ces trames. Les bases de données existantes ne cartographient pas la végétation de manière exhaustive. Ainsi la première étape est d'extraire la végétation arborée et herbacée à partir d'images satellites Pléiades par une analyse orientée-objet et une classification par apprentissage actif. Sur la base de ces classifications et de données multi-sources, la cartographie des tissus se base sur une démarche d'extraction de connaissances à partir d'indicateurs issus de l'urbanisme et de l'écologie du paysage. Cette méthodologie est construite sur Strasbourg puis appliquée à Rennes
Climate change presents cities with significant environmental challenges. Urban planners need decision-making tools and a better knowledge of their territory. One objective is to better understand the link between the grey and the green infrastructures in order to analyse and represent them. The second objective is to propose a methodology to map the urban structure at urban fabric scale taking into account the grey and green infrastructures. In current databases, vegetation is not mapped in an exhaustive way. Therefore the first step is to extract tree and grass vegetation using Pléiades satellite images using an object-based image analysis and an active learning classification. Based on those classifications and multi-sources data, an approach based on knowledge discovery in databases is proposed. It is focused on set of indicators mostly coming from urbanism and landscape ecology. The methodology is built on Strasbourg and applied on Rennes to validate and check its reproducibility

Les villes sont confrontées à de nombreuses problématiques environnementales. Leurs gestionnaires ont besoin d'outils et d'une bonne connaissance de leur territoire. Un objectif est de mieux comprendre comment s'articulent les trames grise et verte pour les analyser et les représenter. Il s'agit aussi de proposer une méthodologie pour cartographier la structure urbaine à l'échelle des tissus en tenant compte de ces trames. Les bases de données existantes ne cartographient pas la végétation de manière exhaustive. Ainsi la première étape est d'extraire la végétation arborée et herbacée à partir d'images satellites Pléiades par une analyse orientée-objet et une classification par apprentissage actif. Sur la base de ces classifications et de données multi-sources, la cartographie des tissus se base sur une démarche d'extraction de connaissances à partir d'indicateurs issus de l'urbanisme et de l'écologie du paysage. Cette méthodologie est construite sur Strasbourg puis appliquée à Rennes
Climate change presents cities with significant environmental challenges. Urban planners need decision-making tools and a better knowledge of their territory. One objective is to better understand the link between the grey and the green infrastructures in order to analyse and represent them. The second objective is to propose a methodology to map the urban structure at urban fabric scale taking into account the grey and green infrastructures. In current databases, vegetation is not mapped in an exhaustive way. Therefore the first step is to extract tree and grass vegetation using Pléiades satellite images using an object-based image analysis and an active learning classification. Based on those classifications and multi-sources data, an approach based on knowledge discovery in databases is proposed. It is focused on set of indicators mostly coming from urbanism and landscape ecology. The methodology is built on Strasbourg and applied on Rennes to validate and check its reproducibility

Les travaux effectués pendant cette thèse portent sur la caractérisation des cocoteraies de l'archipel des Tuamotu en Polynésie Française à partir d'images satellites Ikonos multispectrales à très haute résolution spatiale. La première partie de ce travail concerne la segmentation individuelle des cocotiers. Un procédé de classification bayésienne permet d'éliminer les zones non végétales. Puis, un algorithme de segmentation par ligne de partage des eaux est initié à partir de marqueurs judicieusement choisis. Enfin, un travail de validation sur le terrain a été réalisé. Cette validation a permis un passage à l'échelle avec l'application sur une grande quantité de données. Le second volet concerne la caractérisation des plantations. Tout d'abord, les performances des classifieurs sont comparées pour un problème d'occupation des sols. L'ajout des informations de texture permet caractériser les types de plantations avec des méthodes de classification et nous montrons que les SVM obtiennent une meilleure performance en terme de qualité de la classification. Nous proposons une approche duale, qui classifie les types de cocoteraies à partir de la répartition spatiale des coordonnées de chaque cocotier. Cette méthode repose sur une modélisation de type processus ponctuel de Poisson.

La ''super-résolution'' est définie comme une classe de techniques qui améliorent la résolution spatiale d’images. Les méthodes de super-résolution peuvent être subdivisés en méthodes à partir d’une seule image et à partir de multiple images. Cette thèse porte sur le développement d’algorithmes basés sur des théories mathématiques pour résoudre des problèmes de super-résolution à partir d’une seule image. En effet, pour estimer un’image de sortie, nous adoptons une approche mixte : nous utilisons soit un dictionnaire de « patches » avec des contraintes de parcimonie (typique des méthodes basées sur l’apprentissage) soit des termes régularisation (typiques des méthodes par reconstruction). Bien que les méthodes existantes donnent déjà de bons résultats, ils ne prennent pas en compte la géométrie des données dans les différentes tâches. Par exemple, pour régulariser la solution, pour partitionner les données (les données sont souvent partitionnées avec des algorithmes qui utilisent la distance euclidienne comme mesure de dissimilitude), ou pour apprendre des dictionnaires (ils sont souvent appris en utilisant PCA ou K-SVD). Ainsi, les méthodes de l’état de l’art présentent encore certaines limites. Dans ce travail, nous avons proposé trois nouvelles méthodes pour dépasser ces limites. Tout d’abord, nous avons développé SE-ASDS (un terme de régularisation basé sur le tenseur de structure) afin d’améliorer la netteté des bords. SE-ASDS obtient des résultats bien meilleurs que ceux de nombreux algorithmes de l’état de l’art. Ensuite, nous avons proposé les algorithmes AGNN et GOC pour déterminer un sous-ensemble local de données d’apprentissage pour la reconstruction d’un certain échantillon d’entrée, où l’on prend en compte la géométrie sous-jacente des données. Les méthodes AGNN et GOC surclassent dans la majorité des cas la classification spectrale, le partitionnement de données de type « soft », et la sélection de sous-ensembles basée sur la distance géodésique. Ensuite, nous avons proposé aSOB, une stratégie qui prend en compte la géométrie des données et la taille du dictionnaire. La stratégie aSOB surpasse les méthodes PCA et PGA. Enfin, nous avons combiné tous nos méthodes dans un algorithme unique, appelé G2SR. Notre algorithme montre de meilleurs résultats visuels et quantitatifs par rapport aux autres méthodes de l’état de l’art
Image super-resolution is defined as a class of techniques that enhance the spatial resolution of images. Super-resolution methods can be subdivided in single and multi image methods. This thesis focuses on developing algorithms based on mathematical theories for single image super-resolution problems. Indeed, in order to estimate an output image, we adopt a mixed approach: i.e., we use both a dictionary of patches with sparsity constraints (typical of learning-based methods) and regularization terms (typical of reconstruction-based methods). Although the existing methods already perform well, they do not take into account the geometry of the data to: regularize the solution, cluster data samples (samples are often clustered using algorithms with the Euclidean distance as a dissimilarity metric), learn dictionaries (they are often learned using PCA or K-SVD). Thus, state-of-the-art methods still suffer from shortcomings. In this work, we proposed three new methods to overcome these deficiencies. First, we developed SE-ASDS (a structure tensor based regularization term) in order to improve the sharpness of edges. SE-ASDS achieves much better results than many state-of-the-art algorithms. Then, we proposed AGNN and GOC algorithms for determining a local subset of training samples from which a good local model can be computed for reconstructing a given input test sample, where we take into account the underlying geometry of the data. AGNN and GOC methods outperform spectral clustering, soft clustering, and geodesic distance based subset selection in most settings. Next, we proposed aSOB strategy which takes into account the geometry of the data and the dictionary size. The aSOB strategy outperforms both PCA and PGA methods. Finally, we combine all our methods in a unique algorithm, named G2SR. Our proposed G2SR algorithm shows better visual and quantitative results when compared to the results of state-of-the-art methods

With super-resolution (SR) we refer to a class of techniques that enhance the spatial resolution of images and videos. SR algorithms can be of two kinds: multi-frame methods, where multiple low-resolution images are aggregated to form a unique high-resolution image, and single-image methods, that aim at upscaling a single image. This thesis focuses on developing theory and algorithms for the single-image SR problem. In particular, we adopt the so called example-based approach, where the output image is estimated with machine learning techniques, by using the information contained in a dictionary of image "examples". The examples consist in image patches, which are either extracted from external images or derived from the input image itself. For both kinds of dictionary, we design novel SR algorithms, with new upscaling and dictionary construction procedures, and compare them to state-of-the-art methods. The results achieved are shown to be very competitive both in terms of visual quality of the super-resolved images and computational complexity. We then apply our designed algorithms to the video upscaling case, where the goal is to enlarge the resolution of an entire video sequence. The algorithms, opportunely adapted to deal with this case, are also analyzed in the coding context. The analysis conducted shows that, in specific cases, SR can also be an effective tool for video compression, thus opening new interesting perspectives.

The history of the remote sensing imagery from space shows commercial images with a better and better quality, considering the resolution, untill they reach a quality comparable to these used for specific governmental needs, and more specifically military requirements in the seventies. The commercial imagery is available for all customers. Then the main question consists in determining the rate between benefits for humanity compared to possible negative uses, consequence of a large scale diffusion of commercial imagery thanks to more and more numerous commercial distributing nets, more specifically in its dimension of defense. In case of a bad use, which kind of limitations or measures, adopted by a state individually, or by international organizations collectively, can contain negative effects of an inevitable march of the technological progress. These considerations only concern applications of defense

In studies of urban quality of life, the information that can be extracted from satellite images is limited by image resolution and by the standard method of pixel classification. Recently, very high spatial resolution (VHSR) satellite images have allowed the development of new remote sensing application, especially for complex urban areas. Despite of the numerous advantages of the object-oriented approach for VHSR image processing, the parameters used to carry it out, especially at the object creation stage, are not very well documented. Moreover, the evaluation of urban quality of life has never considered the perception of inhabitants of the zones under study. This dissertation therefore addresses these two issues and aims 1) at testing a systematic ways of achieving the best parameters for object-oriented classification with the software Definiens and 2) at quantifying the relation between objective indicators and perceived satisfaction. Hoàn Kiém district, in Hanoi, Vietnam, was chosen as our zone of interest. The image used for this study is a 0,7m spatial resolution Quickbird image.In the first part of the dissertation, we identify eight land occupation classes on the image: lakes, river, parks, groups of trees along streets, isolated trees, large road and residential blocks. Using these classes and additional cartographic information, we calculate nine quality of life indicators that correspond to two central aspects of urban life: commodity (urban services) and amenity (urban landscape). For each group of indicators, we carried out a principal components analysis to obtain non-correlated components. We then conducted a survey with eight city planning experts who live and work in the zone under study to obtain an assessment of the satisfaction of inhabitants towards their area of residence. The weight of each component in the determination of quality of life was achieved through an ordinal regression whose independent variables are the components and the dependent variable is the level of satisfaction as evaluated by the experts. The weights were then used to interpret the importance of our indicators for quality of life. Our results show that it is possible to classify land occupation types with a good accuracy: our average accuracy rate is 80.5%. As for the weight of quality of life indicators, our results allow us to make methodological and interpretative contributions. Contrary to previous work, our method allows us to evaluate the explanatory power of our model. Our regression shows that 22% of variation in satisfaction towards commodity and nearly 54% of variation in satisfaction towards amenity can be attributed to our indicators. As for the nature of the factors playing a role in quality of life, our results show that the relation between indicators and perceived satisfaction is not linear, which had never been shown in previous studies. Satisfaction towards commodity increases when transportation and health care are both sufficient. Satisfaction towards amenity is on the other hand largely determined by residential space, while vegetation plays a minor role, contrary to what was found in the urban zones of developed countries.

Nos travaux ont été motivés par un problème pratique visant à étudier et à développer une méthode générale pour détecter les vaisseaux sanguins à partir de cinéangiographies. Il s'agit donc d'obtenir une bonne modélisation des vaisseaux, i.e. une caractér isation précise de leurs lignes centrales et de leurs diamètres. Une solution à cette problématique consiste à générer un espace multi-échelles qui grâce à ses différents niveaux de détails permet de traiter des artères de diamètres divers. Ces méthodes sont généralement mises en oeuvre en utilisant le formalisme des équations aux dérivées partielles (EDP) et celui de la géométrie différentielle. Les contributions de cette thèse sont multiples. Nous centrons tout d'abord nos travaux théoriques autour des traitements relatif s à la résolution des EDP en considérant ces traitements sous l'angle des méthodes itératives dites de recherche de point fixe. Ensuite, nous résolvons l'équation de la chaleur par une méthode de résolution à pas adaptatif originale, dite lambda-résolution. Ceci nous permet, en contrôlant la vitesse de convergence du processus, d'obtenir un filtre de diffusion isotrope, qui a la particularité de préserver les contours. Nous utilisons alors ce processus à des fins de débruitage et de segmentation d'images en niveaux de gris et couleur. Par ailleurs, nous introduisons une nouvelle EDP de rehaussement d'images, inspirée des filtres de choc et de la morphologie mathématique que nous couplons à l'analyse multi-échelles précédente de manière à obtenir un filtre de restauration d'images. Par la suite, la définition de courbures d'images vectorielles nous permet de proposer à la fois, une nouvelle {sc EDP} de lissage par courbure moyenne et une nouvelle méthode de détection des lignes centrales que nous appliquons sur des images couleur. Finalement, nous présentons une stratégie de détection multi-échelles des lignes centrales et des contours de l'arbre coronarien.

Nos travaux ont été motivés par un problème pratique visant à étudier et à développer une méthode générale pour détecter les vaisseaux sanguins à partir de cinéangiographies. Il s'agit donc d'obtenir une bonne modélisation des vaisseaux, i. E. Une caractérisation précise de leurs lignes centrales et de leurs diamètres. Une solution à cette problématique consiste à générer un espace multi-échelle qui grâce à ses différents niveaux de détails permet de traiter des artères de diamètres divers. Ces méthodes sont généralement mises en oeuvre en utilisant le formalisme des équations aux dérivées partielles (EDP) et celui de la géométrie différentielle. Les contributions de cette thèse sont multiples. Nous centrons tout d'abord nos travaux théoriques autour des traitements relatifs à la résolution des EDP en considérant ces traitements sous l'angle des méthodes itératives dites de recherche de point fixe. Ensuite, nous résolvons l'équation de la chaleur par une méthode de résolution à pas adaptatif originale, dite lambda-résolution. Ceci nous permet, en contrôlant la vitesse de convergence du processus, d'obtenir un filtre de diffusion isotrope, qui a la particularité de préserver les contours. Nous utilisons alors ce processus à des fins de débruitage et de segmentation d'images en niveaux de gris et couleur. Par ailleurs, nous introduisons une nouvelle EDP de rehaussement d'images, inspirée des filtres de choc et de la morphologie mathématique que nous couplons à l'analyse multi-échelle précédente de manière à obtenir un filtre de restauration d'images. Par la suite, la définition de courbures d'images vectorielles nous permet de proposer à la fois, une nouvelle EDP de lissage par courbure moyenne et une nouvelle méthode de détection des lignes centrales que nous appliquons sur des images couleur. Finalement, nous présentons une stratégie de détection multi-échelle des lignes centrales et des contours de l'arbre coronarien.