Abstract FR:

Les images obtenues par un sar (synthetic aperture radar) sont tres differentes des donnees optiques couramment utilisees en teledetection. Elles sont bruitees par le speckle qui donne un aspect poivre et sel a l'image et complique son exploitation. La recherche d'une methode de segmentation adaptee aux images sar nous a conduit a envisager une approche bayesienne. La segmentation bayesienne repose sur une modelisation statistique de l'image au niveau de la distribution du signal ainsi qu'une modelisation de l'image des regions. La modelisation de l'image a segmenter permet donc de considerer les statistiques liees a l'image et prendre en compte la grande variabilite spatiale due au speckle. La theorie markovienne associee a la modelisation de l'image des regions introduit un modele de dependance entre pixels voisins et permet d'orienter la classification vers une recherche de regions. Nous avons tout d'abord expose en detail les hypotheses liees a ces concepts (distribution du signal, segmentation bayesienne, champ de markov) et nous avons presente la theorie et les algorithmes associes de facon unifiee. La complexite de realisation nous a conduit a proposer, dans un objectif operationnel sur la totalite d'une image (3000#*3000), l'introduction d'une phase d'apprentissage. Differentes options pour la modelisation de l'image ont ete retenues. Ces algorithmes ont ensuite ete appliques sur des images sar differentes: une image sar aeroportee sur le jura et deux images ers-1 sur la guinee pour lesquelles nous disposions des donnees terrains. Les resultats obtenus ont ete compares par rapport a une realite terrain et analyses. Globalement, le gain des classifications obtenues par nos algorithmes, par rapport a une classification pixel par pixel, est significatif. Ces bons resultats montrent l'interet de ce type d'approche pour obtenir une classification (pas de filtrage prealable, integration des statistiques, approche par region) et nous avons etabli, parmi les diverses options explorees, un algorithme efficace