Abstract FR:

L'etude presentee dans ce memoire s'inscrit dans le cadre de la classification des images de teledetection. Des methodes de classification connexionnistes ont ete etudiees et trois nouvelles approches non supervisees sont proposees: la premiere traite le choix de plusieurs vainqueurs quand ils se presentent simultanement. La seconde approche estime la similarite qui existe entre la classe et l'exemple. La troisieme approche considere l'ordre de presentation des exemples dans le reseau de neurones pour accelerer la convergence de l'apprentissage. Pour adapter ces trois methodes a la classification des images de teledetection, nous proposons un classifieur modulaire et hierarchique, constitue de plusieurs composantes: un modulaire pour la selection des attributs, un module pour la classification incrementale des donnees et un module pour l'evaluation des resultats. Le systeme ainsi concus est applique sur des images de teledetection. Cependant, l'approche est facilement extensible a d'autres types d'images (medicales, de synthese, )