Abstract FR:

En imagerie, la segmentation est une phase importante qui depend enormement des signatures utilisees pour caracteriser une region de l'image. Ces signatures peuvent etre de plusieurs natures et dans cette these, elles caracteriseront l'heterogeneite de la repartition pixelique d'une region de l'image. Pour cela, nous utilisons un modele multifractal qui permet de decrire comment cette heterogeneite se propage d'echelle en echelle. Les notions fractales souvent utilisees dans le passe, ne suffisent pas pour differencier des textures pourtant visuellement tres differentes, car la notion de fractale geometrique est trop pauvre pour caracteriser un phenomene aussi complexe que la retrodiffusion. Le modele multifractal, qui pose l'hypothese de l'existence d'une hierarchie de dimensions fractales, apparait alors comme un outil mieux adapte a ces problemes. Le domaine des multifractals proposent plusieurs formalismes et modelisations qui ne sont pas toujours equivalents. Notre choix c'est porte sur les multifractals stochastiques universels qui sont bases sur une extension aux processus multiplicatifs du theoreme central limite, car ils permettent de caracteriser des phenomenes multifractals, en particulier turbulents, par seulement trois parametres qui definissent completement tout processus multifractal. Ceux-ci permettront de distinguer les zones de l'image ayant des textures differentes. Pour l'etape de segmentation nous avons utilise un algorithme de classification base sur des champs markoviens. A titre de comparaison, les resultats de classification seront aussi presentes pour des modeles de textures statistiques plus classiques, comme le modele gaussien, log-normal et k. Au dela de la pertinence des parametres multifractals, l'autre interet de cette etude est de comparer les variations des ces estimateurs en fonction de la longueur d'onde et de la polarisation.