Champs markoviens multi-échelles : applications à la segmentation d'images texturées et à la fusion multi-film.

Résumé Cette these est composee de deux parties independantes. La premiere partie porte sur la representation de textures et la segmentation d'images texturees. Nous utilisons les modelisations gaussiennes et les filtres de gabor pour caracteriser les textures. Par notre analyse, on voit que, d'un point de vue stochastique, la caracterisation par filtres de gabor et celle par les modelisations gaussiennes sont comparables dans le sens de champs aleatoires, bien que leurs motivations soient tres differentes. Nous presentons une methode de segmentation d'images texturees non-supervisee multi-echelle, en utilisant les partitions par regions connexes. Nous utilisons les methodes de champs markoviens pour segmenter les images, qui par relaxation, tendent a regrouper les points ayant des caracteristiques de textures proches. Notre methode limite progressivement le domaine d'exploration des segmentations dans la progression naturelle de l'algorithme multi-echelle. La deuxieme partie de cette these porte sur la fusion d'une serie d'images (rayons x) obtenues a partir de films distincts dans le but de restaurer l'image 2d d'un objet. Ceci necessite l'estimation de la fonction de transfert permettant de passer d'un film a un autre. Cette tache est rendue difficile par la presence de non-homogeneite spatiale. Nous proposons une methode pour estimer la fonction de transfert entre deux films de sensibilites differentes et non-homogenes. On considere que l'image de l'objet est une realisation d'un champ markovien dont l'energie a priori est construite sur le fait que l'image verifie certaines contraintes de regularisation. La restauration se fait alors par maximisation de la vraisemblance.