Abstract FR:

Les travaux presentes dans cette these sont consacres au developpement d'un outil morphologique de traitement d'images et a son application en segmentation d'images texturelles. La decomposition morphologique multi-tailles (dmm) developpee se fonde sur la morphologie mathematique multi-niveaux. Elle peut iterativement decomposer une image en un ensemble d'images composantes en utilisant un groupe d'elements structurants. Le contenu de la decomposition depend de la taille et de la variation du niveau de gris des objets presents dans l'image. Cette decomposition est idempotente, sans perte d'information, et rapide en temps calcul. De plus l'image originale peut etre reconstituee par la somme de toutes les images composantes. Les tests en classification de textures demontrent que les attributs texturels extraits des images composantes sont efficaces pour classifier les textures tant structurelles qu'aleatoires. Cependant, il existe encore un autre probleme delicat en segmentation d'images texturelles par classification: la determination des frontieres entre differentes textures contenues dans une image. Des techniques adaptatives sont donc proposees pour resoudre ce probleme. Tout d'abord, la taille adequate de la fenetre dans laquelle les attributs sont extraits est automatiquement determinee a partir des textures contenues dans l'image a segmenter, au moyen de l'estimation du risque bayesien. Ensuite, deux methodes de traitement des frontieres sont proposees pour reduire efficacement les erreurs de segmentation autour des frontieres de differentes textures dans l'image. Enfin, l'etude des proprietes statistiques de la morphologie mathematique nous permet de mieux connaitre son mecanisme et ses effets sur differents types de signaux dans le cas bruite. Ceci conduit egalement a la generalisation de la decomposition par le filtre d'ordre afin de bien adapter l'algorithme aux textures bruitees