Abstract FR:

La premiere partie de ce memoire est consacree aux modelisations markoviennes et segmentations statistiques classiques, ou encore dures. Nous y rappelons succintement les modeles et les methodes devenus classique, en insistant legerement sur les methodes d'estimation des parametres. Nous rappelons ensuite le modele markovien flou cache. Le deuxieme volet de notre etude est consacre a l'adaptation au modele flou considere de l'algorithme du gradient stochastique propose par l. Younes afin d'approcher le maximum de vraisemblance dans le cas de champs de markov non bruites. Nous presentons une etude theorique de son comportement asymptotique et assez rapidement une etude de classification des nuages. Finalement, nous definissons un modele flou hierarchique, dont la construction generale est inspiree du modele markovien hierarchique classique de perez et heitz. Nous proposons ensuite deux methodes de segmentation de type icm et comparons leur efficacite avec les methodes de type mpm proposees par salzenstein et al. Puis, nous proposons deux methodes originales, adaptees au modele pyramidal, d'estimation des parametres de la loi du champ x.