Abstract FR:

Nous nous interessons au developpement d'une methode de fusion pour obtenir une image tridimensionnelle d'un objet a partir de gammagraphies et d'echographies. Ces deux jeux de donnees apportent des informations complementaires sur l'objet. Ils sont relies de facon independante a deux jeux de parametres : l'attenuation pour les gammagraphies et la reflectivite pour les echographies. Dans le cadre bayesien retenu, il apparait que le cur du processus de fusion reside dans l'introduction d'un modele a priori joint pour l'attenuation et la reflectivite. Dans un premier temps, nous etudions les modeles a priori separes pour l'attenuation et la reflectivite et montrons que dans les deux cas la modelisation d'evenements rares souleve des difficultes analogues ; compte tenu du faible contenu informationnel des donnees traitees, nous retenons des fonctions regularisantes convexes. Concernant la fusion, l'apparition d'une grande reflectivite est a priori reliee a une rupture dans l'attenuation, ce qui nous amene a chernche a correler la reflectivite et la derivee de l'attenuation. En nous inspirant des modeles separes, nous construisons alors des modeles joints markoviens et retenons finalement un potentiel convexe. Les resultats de traitement montrent l'amelioration obtenue, par rapport au cas ou seules des gammagraphies sont utilisees. Par ailleurs, la methode s'avere robuste vis-a-vis de problemes de recalage des donnees. Enfin, nous proposons d'ameliorer le modele d'observation convolutif pour les echographies d'une part, en estimant conjointement le noyau et la reflectivite et d'autre part, en introduisant une double reflectivite qui permet de modeliser des rotations de phase du noyau. Le travail presente concerne une application en controle non destructif mais pourrait etre adapte a d'autres problemes, notamment en imagerie biomedicale.