Abstract FR:

L'etude porte sur des methodes de cooperation entre les algorithmes neuronaux et markoviens. Ces deux classes d'algorithmes, issues de deux paradigmes differents, presentent des complementarites qui peuvent etre utilisees dans la creation d'algorithmes hybrides. La comparaison entre les modeles hybrides a conduit a une nouvelle classification de ces modeles. Un nouveau modele d'images, base sur les champs de markov et les perceptrons multicouches est propose et de meme une definition de texture heterogene basee sur un systeme de voisinage inedit est introduite. Ce modele se prete bien a la modelisation des images satellitaires contenant des textures. L'etude a donne lieu au developpement de deux architectures neuronales : le reseau de neurones interpolant et le reseau de neurones spatial. La volonte d'amelioration des performances des classificateurs statistiques appliques au traitement d'images a conduit a la creation d'un algorithme hybride base sur une chaine de markov cachee et une carte de kohonen. Cet algorithme permet l'exploitation de l'information multiresolution pour la segmentation d'images. Son caractere iteratif permet un echange constant de l'information entre les deux modules qui mene a une amelioration du resultat global. L'algorithme est applique a la segmentation des images en provenance des satellites landsat et spot.