Abstract FR:

Cette thèse comporte trois parties. La première partie est un approfondissement de l'article de Cohen et Cooper intitulé simple parallel hierarchical and relaxation algorithms for segmenting noncausal markovian random fields. Chaque étape des algorithmes proposés est évaluée, les conditions sont discutées et une estimation des paramètres complète le travail des auteurs. Ces algorithmes ont été mis en oeuvre et testés sur différentes images. La deuxième partie propose une classification d'images de farines. Il s'agit de permettre aux industries agroalimentaires un contrôle automatique de la qualité du broyage de farine. Des méthodes classiques ont été utilisées pour caractériser les textures. Ces méthodes dépendent de la quantification des images. Une méthode de quantification est donc proposée. La dernière partie, la plus importante de ce travail, est l'analyse d'images couleur de couverts végétaux. Le problème est de reconstruire des caractéristiques locales de l'image, essentiellement la proportion de végétation, à partir d'images prises à différentes résolutions. La première méthode consiste à définir une courbe de seuillage sur les intensités à partir de leur histogramme. Cette méthode effectue une classification binaire terre- végétation des pixels. La deuxième méthode affine cette première classification pour les pixels frontière. Les intensités sont supposées suivre une loi gaussienne dont les paramètres sont estimés localement. Les proportions de végétation sont obtenues par maximum de vraisemblance. Une analyse détaillée montre que cette méthode ne prend pas en compte les propriétés géométriques l'image. La troisième méthode utilise une modélisation par champ markovien. L'énergie se décompose en deux termes. Le premier est un potentiel d'ajustement des proportions à un certain nombre d'attributs affectés à chaque pixel. Le second introduit la géométrie locale de l'image. Une phase d'apprentissage permet d'estimer les paramètres associes au modèle à l'aide des spécifications locales empiriques. Cette approche s'apparente à celle des boites qualitatives. Enfin, un algorithme icm permet de reconstruire les proportions de végétation de chaque pixel