Abstract FR:

Cette these est consacree a la segmentation non supervisee d'images multi-spectrales par chaines de markov cachees et plus particulierement a l'etude de l'etape d'estimation. L'objet de ce travail est de concevoir des methodes permettant d'estimer des melanges de lois generalises. Ces methodes d'estimation fondees sur l'algorithme ice permettent de detecter parmi un ensemble de lois, celles qui sont le plus fideles a la realite et d'estimer les parametres correspondant a chacune des lois detectees. Les etudes comparatives des differentes methodes mises au point avec les methodes classiques em et ice, sur des chaines simulees puis sur des images, montrent l'efficacite des algorithmes generalises. Nous etudions egalement la segmentation multi-spectrale en considerant des canaux independants pour traiter les melanges generalises et des canaux correles dans le cas de melanges gaussiens. Nous mettons ainsi en evidence l'interet ou non de l'ajout de canaux d'observations. Dans ce cadre de la fusion de donnees, nous nous interessons a la theorie de l'evidence. Nous introduisons alors la notion de chaine de markov cachee evidentielle et nous developpons les methodes de segmentation qui lui sont associee. Les etudes effectuees sur des chaines montrent l'interet de cette modelisation mais egalement ses difficultes de mise en uvre dans un cadre non supervisee