Depuis l'utilisation pour des applications statistiques du mouvement brownien fractionnaire<br />par Mandelbrot & Van Ness en 1968, une vaste littérature s'est constituée autour de <br />l'estimation de l'autosimilarité et de la régularité hölderienne. Dans le cadre de l'analyse multifractale<br />des séries de Fourier et des séries d'ondelettes (pleines et lacunaires), les séries<br />aléatoires d'ondelettes basées sur un processus de branchement sont présentées. Leurs propriétés<br />analytiques (bifractalité, dimension de Hausdorff du graphe non entière) et la simulation de leurs<br />trajectoires montrent leur capacité à modéliser des processus intermittents. Une méthode d'estimation<br />conjointe des deux paramètres du modèle (estimation du paramètre de régularité et du paramètre<br />des lacunes) par filtrage d'une trajectoire est developpée pour ce modèle. Elle trouvera une application<br />naturelle pour la classification, en géophysique, des morphologies stylolitiques (roches sédimentaires de calcaire soumises à des processus<br />de dissolution sous contrainte). Ces séries généralisent ainsi les propriétés du mouvement brownien<br />fractionnaire (comme le font, d'une autre manière les processus stables) et peuvent expliquer les<br />phénomènes de persistance et de leptokurticité.

Le but de cette thèse est de définir puis d'étudier différentes notions d'irrégularité uniforme ou ponctuelle permettant de traduire le fait qu'une fonction peut avoir des 'grands accroissements' à toutes les échelles. Pour cela on 'inverse' les notions de régularité Höldérienne usuelles. L'objectif principal du travail est ensuite de relier ces différentes notions à la théorie des ondelettes. Les critères ondelettes établis vont ainsi permettre de définir des fonctions ou des champs aléatoires dont le comportement est différent suivant la gamme d'échelles considérée. Par ailleurs, si on se place du point de vue ponctuel, une question naturelle est celle de la définition d'une analyse multifractale -dite faible- liée à la notion d'irrégularité ponctuelle. Les ondelettes vont alors permettre de définir des séries d'ondelettes multifractales pour l'irrégularité ponctuelle. Enfin, nous étudions des exemples de champs aléatoires où des propriétés de régularité directionelle apparaissent. Nous nous sommes ainsi centré sur l'étude d'un modèle de champ aléatoire gaussien particulier vérifiant une relation d'autosimilarité matricielle. Nous avons ensuite généralisé ce modèle et introduit des champs gaussiens autosimilaires par rapport à un groupe

Ce travail de thèse interroge la structure fondamentale du langage. Il s’inscrit dans la tradition greimassienne en ce sens qu’elle assume son affiliation avec les théories de Hjelmslev, Jakobson, Lévi-Strauss et Propp. Mais au-delà, il cherche ce que ces théories ont en commun et qu’elles n’avaient peut-être pas encore suffisamment abordé, notamment certaines relations avec la théorie thomienne/petitotienne. Nous postulons dans cette étude que le discours subit la contrainte d’un ordre sémantico-syntaxique sous-jacent et structurant. Plus précisément, nous postulons que le discours tend à s’organiser à partir, et/ou autour, d’une même chaîne sous-jacente, hiérarchique, contraignante, non aléatoire, transphrastique et restreinte de catégories sémantiques fondamentales. Nous nous inscrivons de fait dans le champ morphodynamique. A partir d’une double approche sémasiologique et distributionnelle, puis par des méthodes statistiques et mathématiques, nous montrons que certains sèmes, assimilables à des universaux et aux propriétés topologiques sous-jacentes, s’incrémentent naturellement dans le corps des énoncés. Ainsi, ce ne sont plus principalement des sèmes isolés que nous étudions mais des séries, des chaînes, des agencements syntagmatiques qui débouchent sur une forme de « proto-raisonnement » associant des sèmes. Enfin, nous montrons par l’expérimentation qu’il existe vraisemblablement aussi d’autres régularités à l’intérieur de cette structure continue ; régularités qui permettent de conforter l’hypothèse d’un principe autosimilaire entre structure profonde et structure superficielle. Notre thèse s’attache en principal à décrire, et à justifier l’existence d’un tel phénomène structural. / This thesis questions the fundamental structure of language. It belongs to the Greimas tradition in the sense that it assumes its affiliation with the theories of Hjelmslev, Jakobson , Levi-Strauss, and Propp. This work tries to go beyond by defining connections with Thom and Petitot theory. In this study, we postulate that discourse is constrained by an underlying semantic and syntactic structural order. More specifically, our assumption is that the discourse tends to be organized from and/or around a same underlying chain, involving non-random hierarchy, going beyond the sentences and being constrained to semantic fundamental categories. Our analysis is also included in a morphodynamic framework.From a double semasiologic and distributional approach, and from statistical and mathematical methods, we show that various semes, linked to universals and topological underlying properties, are naturally incremented in the discourse.As a consequence, what we are studying is not a collection of isolated semes but series, chains, syntagmatic arrangements that yield to a form of "proto-reasoning" associating semes. Finally, we show by experimentation, as there are likely other regularity patterns within the continuous structure. These regularities allow us to support the hypothesis of a self-similar principle between deep structure and surface structure. This thesis work is mainly focused on the description and the justification of the existence of such a structural phenomenon.

Dans un premier temps, nous introduisons une classe de champs réels appelés champs de Lévy multifractionnaires au moyen d'une représentation harmonisable. Cette classe contient à la fois celle des champs de Lévy fractionnaires et le mouvement brownien multifractionnaire (MBM en abrégé). Elle fournit notamment des exemples de champs non gaussiens du second ordre ayant des propriétés semblables à celles du MBM. En particulier, les champs de Lévy multifractionnaires sont localement autosimilaires et leur exposant de Hölder ponctuel peut varier le long d'une trajectoire. Par ailleurs, leurs propriétés sont gouvernées par leur fonction multifractionnaire. Par suite, d'un point de vue statistique, un problème naturel est l'identification de cette fonction. Comme dans le cas du MBM, elle peut être identifiée au moyen des variations quadratiques localisées et généralisées. Dans la deuxième partie, nous nous sommes intéressés à la simulation de la partie non gaussienne d'un champ de Lévy multifractionnaire. La méthode proposée est basée sur une représentation en série de bruits généralisés. Cependant, dans certains cas, on approche aussi une partie du champ de Lévy multifractionnaire par un MBM. Enfin, la dernière partie introduit un champ $X_(H,\be)$ localement autosimilaire avec un comportement atypique en $0$. En effet, alors qu'en tout point $x\ne0$, le champ tangent à $X_(H,\be)$ est un mouvement brownien fractionnaire, en général en $x=0$ le champ tangent à $X_(H,\be)$ est de nature bien différente. De plus, le champ $X_(H,\be)$ satisfait une propriété d'autosimilarité à grandes échelles et son étude est ensuite complétée par celle de la régularité des trajectoires et de la dimension de Hausdorff de ses graphes.

Nous étudions des champs aléatoires pouvant modéliser certains milieux poreux. Nous nous intéressons à leurs statistiques au second ordre et en particulier à leur autosimilarité. Sous des hypothèses de stationnarité, une mesure spectrale caractérise le champ. L'homogénéité asymptotique directionnelle de la mesure détermine l'autosimilarité asymptotique du champ; le plus petit coefficient d'homogénéité dans une échelle logarithmique en donne l'ordre. Pour déterminer l'anisotropie on peut considérer une transformée de Radon du champ dont l'ordre d'autosimilarité dépend de la direction. Ces résultats au second ordre sont adaptés à des modèles gaussiens, l'ordre d'autosimilarité s'estimant par les variations quadratiques. Nous considérons le problème de l'injectivité des transformées de Radon. Enfin, nous étudions un modèle poissonien obtenu par agrégation de petites boules. Les propriétés d'autosimilarité sont analogues au second ordre mais atypiques pour la convergence en loi.

Dans cette thèse, nous étudions divers problèmes statistiques liés à deux modèles paramétriques stochastiques que sont le mouvement brownien fractionnaire (mbf) et le mouvement brownien multifractionnaire (mbm). Le mbf a été introduit en statistique à partir de 1968 pour modéliser des phénomènes autosimilaires (i.e. invariants par changements d'échelle) et des séries chronologiques exhibant une structure de dépendance uniforme qui décroî t de manière hyperbolique avec le temps. Le mbm, apparu beaucoup plus récemment, constitue une extension du mbf au sens où la structure de dépendance peut évoluer au cours du temps : l'autosimilarité n'est alors vérifiée qu'asymptotiquement localement. L'objectif initial de ce travail de recherche a été l'identification de ce dernier modèle. Néanmoins, ce travail a nécessité des connaissances théoriques constituées par un traitement approfondi et pertinent du mbf, tant sur la compréhension des résultats obtenus jusqu'alors que sur leurs extensions.

L’objectif de cette thèse est d’analyser le comportement de la décomposition modale empirique (EMD) et sa version multivariée (MEMD) dans le cas de processus stochastiques : bruit Gaussien fractionnaire (fGn) et processus symétrique alpha stable (SαS). Le fGn est un bruit large bande généralisant le cas du bruit blanc Gaussien et qui trouve des applications dans de nombreux domaines tels que le trafic internet, l’économie ou le climat. Par ailleurs, la nature «impulsive» d’un certain nombre de signaux (craquement des glaces, bruit des crevettes claqueuses, potentiel de champ local en neurosciences,…) est indéniable et le modèle Gaussien ne convient pas pour leur modélisation. La distribution SαS est une solution pour modéliser cette classe de signaux non-Gaussiens. L’EMD est un outil bien adapté au traitement et à l’analyse de ces signaux réels qui sont, en général, de nature complexe (non stationnaire,non linéaire). En effet, cette technique, pilotée par les données, permet la décomposition d’un signal en une somme réduite de composantes oscillantes, extraites de manière itérative, appelées modes empiriques ou IMFs (Intrinsic Mode Functions). Ainsi, nous avons montré que le MEMD s’organise spontanément en une structure de banc de filtres presque dyadiques. L'auto-similarité en termes de représentation spectrale des modes a aussi été établie. En outre, un estimateur de l’exposant de Hurst, caractérisant le fGn, a été construit et ses performances ont été comparées, en particulier à celles de l’approche ondelettes. Cette propriété de banc de filtres du MEMD a été vérifiée sur des données d'hydrodynamique navale (écoulement turbulent) et leur auto-similarité a été mise en évidence. De plus, l’estimation du coefficient de Hurst a mis en avant l’aspect longue dépendance (corrélation positive) des données. Enfin, l’aspect banc de filtres de l’EMD a été exploité à des fins de filtrage dans le domaine temporel en utilisant une mesure de similarité entre les densités de probabilités des modes extraits et celle du signal d’entrée. Pour éviter le problème du mode mixing de l'EMD standard, une approche de débruitage dans le domaine fréquentiel par une reconstruction complète des IMFs préalablement seuillées a été menée. L’ensemble des résultats a été validé par des simulations intensives (Monte Carlo) et sur des signaux réels. / The main contribution of this thesis is aimed towards understanding the behaviour of the empirical modes decomposition (EMD) and its extended versions in stochastic situations.

Les images naturelles sont des structures complexes. Leur modélisation est essentielle à de nombreuses tâches en traitement d'images, et des progrès restent encore à réaliser dans ce sens. Des propriétés d'autosimilarité en échelle ont été observées dans l'organisation spatiale des images naturelles. Au-delà de leur organisation spatiale, nous abordons ici leur organisation colorimétrique. Différents outils de caractérisation fractale sont identifiés et mis en oeuvre. L'application de ces outils sur les histogrammes tridimensionnels des images couleur nous permet de mettre en évidence, et de caractériser, des propriétés fractales dans leur organisation colorimétrique. Par ailleurs, nous abordons aussi, en synthèse d'images, de nouvelles applications des concepts fractals pour les images couleur, le contrôle de leurs propriétés et la génération automatique de motifs décoratifs. Des collaborations applicatives ont été développées durant la thèse en vue de valoriser ces travaux, notamment dans le cadre du dispositif de doctorant-conseil, et en direction de l'industrie du textile-habillement.

Cette thèse est consacrée à l’étude statistique des systèmes complexes à travers l’analyse de signaux expérimentaux, de signaux synthétiques et de signaux générés à partir de modèles théoriques. On a choisi la turbulence comme paradigme d’ ́etude en raison de ses propriétés: dynamique non linéaire, comportement multi-échelle, cascade d’énergie, intermittence ... Afin de faire une caractérisation statistique d’un système complexe on s’intéresse à l’étude de la distribution (fonction de densité de probabilité), des corrélations et dépendances, et des relations de causalité de Wiener, des signaux qui décrivent le système. La théorie de l’information apparaît comme un cadre idéal pour developer ce type d’analyse. Dans le cadre de la théorie de l’information on a développé deux méthodologies, différentes mais reliées, pour analyser les propriétés d’auto similarité d’un système complexe, et plus précisément de la turbulence. La première méthodologie est basée sur l’analyse des incréments du processus étudié, avec l’entropie de Shannon et la divergence de Kullback-Leibler. La deuxième méthode, qui permet d’analyser des processus non stationnaires, est basée sur l’analyse du processus avec le taux d’entropie de Shannon. On a étudié la relation entre les deux méthodologies, lesquelles caractérisent la distribution d’information du système et la déformation de la distribution des incréments, à travers les échelles. / Most of the time when studying a system, scientists face processes whose properties are a priori unknown. Characterising these processes is a major task to describe the studied system. During this thesis, which combines signal processing and physics, we were mainly motivated by the study of complex systems and turbulence, and consequently, we were interested in the study of regularity and self-similarity properties, long range dependence structures and multi-scale behavior. In order to perform this kind of study, we use information theory quantities, which are functions of the probability density function of the analysed process, and so depend on any order statistics of its PDF. We developed different, but related, data analysis methodologies, based on information theory, to analyse a process across scales τ. These scales are usually identified with the sampling parameter of Takens embedding procedure, but also with the size of the increments of the process. The methodologies developed during this thesis, can be used to characterize stationnary and non-stationnary processes by analysing time windows of length T of the studied signal.

Le but de cette thèse est de définir puis d'étudier différentes notions d'irrégularité uniforme ou ponctuelle permettant de traduire le fait qu'une fonction peut avoir des 'grands accroissements' à toutes les échelles. Pour cela on 'inverse' les notions de régularité Höldérienne usuelles. L'objectif principal du travail est ensuite de relier ces différentes notions à la théorie des ondelettes. Les critères ondelettes établis vont ainsi permettre de définir des fonctions ou des champs aléatoires dont le comportement est différent suivant la gamme d'échelles considérée. Par ailleurs, si on se place du point de vue ponctuel, une question naturelle est celle de la définition d'une analyse multifractale -dite faible- liée à la notion d'irrégularité ponctuelle. Les ondelettes vont alors permettre de définir des séries d'ondelettes multifractales pour l'irrégularité ponctuelle. Enfin, nous étudions des exemples de champs aléatoires où des propriétés de régularité directionelle apparaissent. Nous nous sommes ainsi centré sur l'étude d'un modèle de champ aléatoire gaussien particulier vérifiant une relation d'autosimilarité matricielle. Nous avons ensuite généralisé ce modèle et introduit des champs gaussiens autosimilaires par rapport à un groupe / The main purpose of this thesis is the definition and the study of different concepts of uniform or pointwise irregularity which enable one to account for the fact that a function may have 'large increments' at any scales. To this end, we 'invert' the usual notions of Hölderian regularity. The main goal is then to relate these different concepts to wavelet theory. The wavelet criteria supplied enable to define functions or random fields the behavior of which differ with respect the family of scales chosen. Moreover, if we consider the pointwise point of view, a natural question is that of the definition of a weak multifractal analysis related to pointwise irregularity. Finally, we study examples of random fields with some properties of directional regularity. Thus we focus on the study of a special model of operator scaling Gaussian field. We then extend this model and introduced group self-similar Gaussian fields