Abstract FR:

Le probleme de la caracterisation des milieux inhomogenes a l'aide de donnees echographiques interesse de nombreux domaines d'application comme le genie bio-medical, le controle non destructif et la sismique-reflexion en geophysique. Sous certaines hypotheses physiques il est possible d'approcher l'interaction entre le milieu etudie et l'onde incidente par une convolution. Le probleme inverse consistant a retrouver certaines proprietes physiques du milieu a l'aide des observations devient alors un probleme de deconvolution. Nous traitons ce probleme dans un cadre bayesien a l'aide de modelisations bernoulli-gaussiennes (bg) du signal d'entree. Notre contribution comporte trois volets. Premierement nous avons developpe une nouvelle structure algorithmique pour la deconvolution bg a la fois plus rapide et plus econome en encombrement memoire que les algorithmes existants. Deuxiemement nous avons propose des solutions destinees a pallier certaines inadequations des observations au modele de convolution rencontrees dans la pratique en echographie, plus precisement en presence de non-stationnarites en phase de l'ondelette, de saturations des capteurs et de bruit colore sur les observations. L'efficacite des methodes est illustree par des resultats de traitements de donnees reelles et synthetiques. Troisiemement nous avons aborde le probleme de l'estimation des hyperparametres i. E. L'estimation des parametres des modeles bg et du bruit. Nous avons propose et mis en uvre une version stochastique de l'algorithme em et nous avons montre a l'aide de simulations de type monte-carlo que celle-ci depasse les approches existantes