Abstract FR:

La recente resurrection des methodes optiques de correlation, justifiee par l'apparition de nouveaux composants, et l'accroissement des puissances de calcul des ordinateurs numeriques conventionnels, ont suscite un net regain d'interet pour les approches basees sur la correlation, en reconnaissance des formes sur des images. Dans cette these nous nous proposons d'etudier de nouvelles techniques de correlation, utilisant des resultats du filtrage optimal et faisant intervenir un apprentissage. En particulier, nous avons voulu montrer dans quels contextes l'emploi de telles approches est pertinent pour la reconnaissance de formes. Dans la premiere partie nous avons caracterise les methodes etudiees, dans un contexte general. Nous avons plus particulierement insiste sur les performances des filtres vis-a-vis du bruit. L'influence de differents types de bruit, pouvant venir contaminer les images a traiter, a ete analysee. Nous avons egalement quantifie l'incidence de la resolution de travail sur les performances des filtres. La seconde partie de ce document est consacree a l'application des methodes etudiees. Nous avons envisage le cas de la determination d'attitude d'avions (qui est un cas particulier de problemes d'estimation de parametres). Nous presentons tout d'abord un ensemble de caracterisations de methodes particulierement adaptees a l'estimation d'attitude d'objets, possedant un faible nombre de position de repos stable. Puis, nous detaillons l'architecture d'un systeme permettant d'estimer la position angulaire, dans le plan, de maquettes d'avions. Nous avons montre la grande tolerance du systeme a plusieurs types de perturbations: forts niveaux de differents types de bruit, parties d'objets cachees, presence de divers fonds, flous et bouges. La bonne capacite de generalisation a des modeles d'avions non appris a egalement ete soulignee. Nous caracterisons ensuite les performances d'un systeme d'estimation de deux angles de l'attitude d'avions