Abstract FR:

Le traitement automatique d'images par un ordinateur implique la conception de procedures complexes d'analyse. La segmentation et la fermeture de contours sont deux des outils de l'algorithmique qui permettent de realiser ce traitement. Dans l'analyse d'une image, la segmentation est une etape essentielle du processus d'extraction et d'interpretation de l'information. La qualite des traitements ulterieurs en reconnaissance des formes depend souvent entierement de la precision de la segmentation. La fermeture de contours est une etape facultative succedant a la segmentation par detection de contours mais necessaire a une modelisation correcte de la scene observee. Le travail presente dans ce memoire se decompose en cinq chapitres. Le premier chapitre regroupe la definition de termes essentiels, un panorama et une bibliographie des methodes classiques de segmentation. Les trois chapitres qui suivent presentent les aspects theoriques et pratiques de la methodologie developpee. Nous mettons en evidence l'importance de l'information contenue dans l'histogramme local en chaque point de l'image, nous decrivons avec precision trois algorithmes de segmentation par croissance de regions ainsi qu'une technique de regroupement de regions qui permet la fusion ou l'elimination de regions indesirables issues de la segmentation tout en structurant les resultats sous la forme d'un graphe d'adjacence. Le dernier chapitre est dedie a la presentation d'une methode originale de fermeture de contours reposant sur les proprietes de la norme euclidienne et sur la correlation des histogrammes locaux. On procede par prolongement des points de contours terminaux d'une image passee au travers d'un detecteur de contours quelconque. Les resultats obtenus sont encourageants et les methodes proposees sont suffisamment souples et parametrables pour permettre leur extension a des domaines du traitement d'images autres que la teledetection