Cette thèse est consacrée à la conception, au développement et à l'analyse de méthodes de déformation de maillage pour la modélisation, le traitement et la comparaison de forme -telles que l'appariement et la reconstruction de surface- ainsi qu’à la conception d'une méthode numérique robuste pour la reconstruction faciale. La reconstruction faciale tridimensionnelle consiste à estimer un visage numérique à partir de la seule donnée de son crâne sec. Il s'agit d'un défi en médecine légale et en anthropologie. La contribution majeure de cette thèse est la conception d'une nouvelle méthode pour l'appariement de forme, en s'appuyant sur des techniques d'optimisation de forme. Sous la seule hypothèse que les deux formes ont la même topologie, la transformation cherchée s'obtient comme une suite de déplacements élastiques, solutions d'un problème de minimisation d’énergie basée sur une fonction distance signée.Nous proposons également une méthode de drapage permettant la génération d'un modèle de surface fermée à partir d'un maillage source. La méthode repose sur une technique d’évolution de maillage utilisant les équations de l'élasticité linéaire. Un maillage modèle est itérativement déformé pour générer une séquence de formes qui s’approche de plus en plus de la triangulation source. Dans la deuxième partie de ce manuscrit, nous nous intéressons au développement d’une méthode automatique de reconstruction faciale numérique. En s’appuyant sur des techniques de déformation continue telles que le ‘morphing' et le ’warping’, l'approche proposée est intégrée par des connaissances anthropologiques et mécaniques. / This thesis is devoted to the conception, the development and the analysis of mesh deformation strategies for shape modeling, processing and comparison -as shape matching and surface reconstruction- and, in a rather independent concern, for devising a robust computational method for facial reconstruction. Facial reconstruction is about the estimation of a facial shape from the sole datum of the underlying skull and is a challenging problem in anthropology and forensic science. The main contribution of the thesis is the design of a novel method for shape matching, borrowing techniques from the shape optimization context. Under the sole assumption that the two shapes share the same topology, the desired mapping is achieved as a sequence of elastic displacements by minimizing an energy functional based on a signed distance function. Several numerical examples are presented to show the efficiency of the method.Also, a novel method for generating a closed surface mesh model of an initially non-closed source mesh model is developed. The method relies on an original PDE-based mesh evolution technique. A template shape is iteratively deformed, producing a sequence of shapes that get 'closer and closer' to the source triangulation.The second part of the manuscript deals with the development of a landmark-free, fully automated method for digital facial reconstruction. Based on techniques of continuous deformation as 'morphing' and 'warping', the proposed approach is integrated with anthropological assumptions and mechanical models.

Dans cette thèse, nous donnerons tout d'abord des conditions sur les paramètres d’une EDSR à générateur lipschitzien ou à croissance quadratique telles que les processus solutions de l’EDSR admettent des densités par rapport à la mesure de Lebesgue. Puis, nous donnerons des conditions sur les paramètres d’une EDSR non-markovienne à générateur lipschitzien ou quadratique telles que les processus solutions de l’EDSR admettent une dérivée de Malliavin, à l’aide d’une nouvelle caractérisation de cette dérivée. Ce résultat nous fournira une nouvelle structure interne des espaces de Malliavin que nous étudierons. Nous donnerons ensuite des conditions nous assurant que des solutions d’EDSR non-markoviennes à générateurs lipschitziens stochastiques sont différentiables au sens de Malliavin en utilisant cette caractérisation. Nous ferons ensuite une analyse de densités pour les lois des solutions de telles EDSR et nous appliquerons nos résultats à la biologie. Enfin, nous étudierons deux exemples d’utilisations des EDSR en finance. On s’intéressera tout d’abord à un problème de maximisation d’utilité avec un horizon aléatoire que nous réduirons à l’analyse d’un nouveau type d’EDSR à coefficients singuliers et nous illustrerons nos résultats par des simulations numériques. Puis, nous résoudrons un problème de type Principal/Agent sous volatilité incertaine. / In the first part of this PhD thesis, we give conditions on the parameters of Lipschitz and quadratic growth BSDEs such that the laws of the components Y and Z of the solutions to such BSDEs admit densities with respect to the Lebesgue measure. We then provide conditions on the parameters of non-Markovian Lipschitz or quadratic growth BSDEs such that the components Y and Z of their solutions are Malliavin differentiable. We obtain these conditions by applying a new characterization of the Malliavin differentiability, as an Lp convergence criterion of difference quotients. This result provide also a new characterization of the Malliavin-Sobolev spaces that we study in detail. To finish this first theoretical part, we provide conditions ensuring that solutions of non-Markovian stochastic-Lipschitz BSDEs are Malliavin differentiable by applying the characterization of the Malliavin differentiability obtained. We then analyse the existence of densities for the laws of the components of solutions to such BSDEs and we apply our result to a model of gene expression. In the second part of this thesis, we investigate financial problems dealing with BSDEs. We first solve a utility maximization problem with a random horizon, characterized by an exogenous default time. We reduce it to the analysis of a specific BSDE, which we call BSDE with singular coefficients, when the default time is assumed to be bounded. We give conditions ensuring the existence and the uniqueness of solutions to such BSDE and we illustrate our results by numerical simulations. Then, we solve a Principal/Agent problem with ambiguity, in which the "Nature" impacts both the utilities of the Agent and the Principal, charaterized by sets of probability measures which modify the volatility.

Beaucoup de résultats sur l’estimation d’une matrice d’échelle en analyse multidimensionnelle sont obtenus sous l’hypothèse de normalité (condition sous laquelle il s’agit de la matrice de covariance). Or il s’avère que, dans des domaines tels que la gestion de portefeuille en finance, cette hypothèse n’est pas très appropriée. Dans ce cas, la famille des distributions à symétrie elliptique, qui contient la distribution gaussienne, est une alternative intéressante. Nous considérons dans cette thèse le problème d’estimation de la matrice d’échelle Σ du modèle additif Yp_m = M + E, d’un point de vue de la théorie de la décision. Ici, p représente le nombre de variables, m le nombre d’observations, M une matrice de paramètres inconnus de rang q < p et E un bruit aléatoire de distribution à symétrie elliptique, avec une matrice de covariance proportionnelle à Im x Σ. Ce problème d’estimation est abordé sous la représentation canonique de ce modèle où la matrice d’observation Y est décomposée en deux matrices, à savoir, Zq x p qui résume l’information contenue dans M et une matrice Un x p, où n = m - q, qui résume l’information suffisante pour l’estimation de Σ. Comme les estimateurs naturels de la forme Σa = a S (où S = UT U et a est une constante positive) ne sont pas de bons estimateurs lorsque le nombre de variables p et le rapport p=n sont grands, nous proposons des estimateurs alternatifs de la forme ^Σa;G = a(S + S S+G(Z; S)) où S+ est l’inverse de Moore-Penrose de S (qui coïncide avec l’inverse S-1 lorsque S est inversible). Nous fournissons des conditions sur la matrice de correction SS+G(Z; S) telles que ^Σa;G améliore^Σa sous le coût quadratique L(Σ; ^Σ) = tr(^ΣΣ‾1 - Ip)² et sous une modification de ce dernier, à savoir le coût basé sur les données LS (Σ; ^Σ) = tr(S+Σ(^ΣΣ‾1 - Ip)²). Nous adoptons une approche unifiée des deux cas où S est inversible et S est non inversible. À cette fin, une nouvelle identité de type Stein-Haff et un nouveau calcul sur la décomposition en valeurs propres de S sont développés. Notre théorie est illustrée par une grande classe d’estimateurs orthogonalement invariants et par un ensemble de simulations. / Numerous results on the estimation of a scale matrix in multivariate analysis are obtained under Gaussian assumption (condition under which it is the covariance matrix). However in such areas as Portfolio management in finance, this assumption is not well adapted. Thus, the family of elliptical symmetric distribution, which contains the Gaussian distribution, is an interesting alternative. In this thesis, we consider the problem of estimating the scale matrix _ of the additif model Yp_m = M + E, under theoretical decision point of view. Here, p is the number of variables, m is the number of observations, M is a matrix of unknown parameters with rank q < p and E is a random noise, whose distribution is elliptically symmetric with covariance matrix proportional to Im x Σ. It is more convenient to deal with the canonical forme of this model where Y is decomposed in two matrices, namely, Zq_p which summarizes the information contained in M, and Un_p, where n = m - q which summarizes the information sufficient to estimate Σ. As the natural estimators of the form ^Σ a = a S (where S = UT U and a is a positive constant) perform poorly when the dimension of variables p and the ratio p=n are large, we propose estimators of the form ^Σa;G = a(S + S S+G(Z; S)) where S+ is the Moore-Penrose inverse of S (which coincides with S-1 when S is invertible). We provide conditions on the correction matrix SS+G(Z; S) such that ^Σa;G improves over ^Σa under the quadratic loss L(Σ; ^Σ) = tr(^ΣΣ‾1 - Ip)² and under the data based loss LS (Σ; ^Σ) = tr(S+Σ(^ΣΣ‾1 - Ip)²).. We adopt a unified approach of the two cases where S is invertible and S is non-invertible. To this end, a new Stein-Haff type identity and calculus on eigenstructure for S are developed. Our theory is illustrated with the large class of orthogonally invariant estimators and with simulations.