Cette thèse est consacrée à la résolution des problèmes de contrôle non linéaires par des méthodes de calcul hybride. L'idée défendue est que la modélisation par les systèmes hybrides permet la résolution approchée des problèmes non linéaires sans connaissance a priori du comportement du système étudié. Dans un premier temps, nous nous intéressons à la modélisation des systèmes de contrôle non linéaires par une nouvelle classe de systèmes hybrides affines par morceaux. Un soin particulier est apporté à l'étude de l'erreur et de la convergence de l'approximation hybride. La deuxième partie est consacrée au problème de la contrôlabilité à l'origine des systèmes non linéaires. Nous nous intéressons tout d'abord à la quantification de l'erreur commise entre le domaine contrôlable non linéaire et son approximation hybride. Nous proposons ensuite une approche constructive pour le calcul du domaine contrôlable, permettant alors de réduire l'exploration des états discrets de l'automate hybride. La dernière partie est dédiée à la recherche de solutions optimales des problèmes de contrôle non linéaires et hybrides. Nous justifions tout d'abord la pertinence de la modélisation hybride à travers deux approches : le principe du maximum de Pontryagin et les solutions de viscosité des équations d'Hamilton-Jacobi-Bellman. Nous énonçons en particulier un principe du maximum hybride qui nous permet alors de déterminer la structure du contrôle optimal hybride. Ces trois parties répondent à un objectif principal : développer par le calcul hybride combinant analyse numérique et calcul formel, des outils mathématiques et algorithmiques efficaces pour l'étude de dynamiques contrôlées non linéaires.

Dans cette thèse, nous nous intéressons à des problèmes de segmentation d'images sous contraintes géométriques. Cette problématique a émergé suite à l'analyse de plusieurs méthodes classiques de détection de contours qui a été faite. En effet, ces méthodes classiques (Modèles déformables, contours actifs géodésiques, 'fast marching', etc...) se révèlent caduques quand des données de l'image sont manquantes ou de mauvaise qualité. En imagerie médicale par exemple, des phénomènes d'occlusion peuvent se produire : des organes peuvent se masquer en partie l'un l'autre (ex du foie). Par ailleurs, deux objets qui se jouxtent peuvent posséder des textures intrinsèques homogènes si bien qu'il est difficile d'identifier clairement l'interface entre ces deux objets. La définition classique d'un contour qui est caractérisé comme étant le lieu des points connexes présentant une forte transition de luminosité ne s'applique donc plus. Enfin, dans certains contextes d'étude, comme en géophysique, on peut disposer en plus des doneées d'imagerie, de données géométriques à intégrer au processus de segmentation.<br /><br />Pour pallier ces difficultés, nous proposons ici des modèles de segmentation intégrant des contraintes géométriques et satisfaisant les critères classiques de détection avec en particulier la régularité sur le contour que cela implique.