La technologie RFID UHF, également appelée RAIN RFID, est une technologie passive permettant l’identification automatique des objets. Elle comble ainsi le fossé entre les mondes physique et numérique en permettant à un objet de devenir « vivant » sur l'internet des objets grâce à des étiquettes RFID (tags) peu coûteuses et sans batterie. La technologie RFID UHF passive témoigne d’un développement significatif en raison de la croissance accélérée de dispositifs technologiques sophistiqués. Ce développement est en grande partie poussé par la chaîne d'approvisionnement et la grande distribution. Dans ces domaines, la RFID UHF passive de deuxième génération (Gen2), parmi d'autres solutions de traçage et d'identification possibles, constitue un choix logique compte tenu du faible coût des tags lorsqu’ils sont produits en gros volumes, de leur facilité d'impression et de l’absence de batterie.La principale préoccupation des revendeurs détaillants est la disponibilité du produit. Celle-ci peut être affectée par l’existence d’erreurs liées à la visibilité (écarts de stockage, vol, perte) et d’erreurs humaines. Il est donc nécessaire d'améliorer la visibilité et d'automatiser le processus. Malgré ses avantages, le déploiement de la technologie RFID dans la grande distribution est toujours confronté à de nombreux obstacles et défis. Dans cette thèse, nous nous sommes attachés à répertorier toutes les technologies de composants et de lecteurs proposées sur le marché ou encore à l’état de prototype, puis, après avoir identifié et analysé les différents défis liés à ce domaine particulier d’application, à élaborer et à tester de nouvelles solutions.En premier lieu, les distances maximales de lecture des tags passifs sont évaluées dans différents environnement afin d’identifier les facteurs les impactant. A l’issue de cette étude, une méthode de caractérisation alternative est proposée pour contrôler les performances des tags et identifier les objets tagués ayant de faibles performances. Deuxièmement, nous nous appuyant sur cette méthode pour proposer une nouvelle solution d’amélioration de la détection. Les algorithmes conçus et réalisés pour traduire cette solution permettent aux lecteurs de négocier leurs configurations avec l’environnement et entre eux. Enfin, un nouvel algorithme de localisation est proposé afin d’améliorer la précision. Son élaboration et son implémentation sont basées sur l’exploitation de la réponse des tags identifiés comme les plus fiables du milieu. Les solutions proposées sont particulièrement avantageuses car universelles, compatibles avec les lecteurs du marché et n’ajoutant aucun coût au matériel utilisé pour la détection. / UHF RFID technology, also known as RAIN RFID, is a passive technology that enables the automatic identification of items. Thus, it bridges the gap between the physical and digital worlds by allowing an item to become alive on the Internet of things thanks to inexpensive and battery-free RFID tags. Passive UHF RFID technology has witnessed a significant development due to the accelerated growth of sophisticated technological devices. This development is largely driven by the supply chain and the retail industries. Passive UHF RFID Gen2, among other tracing and identification solutions, is the logical choice given the low costs of large-volume tags, ease of printing and being battery-free, the need for maintenance is completely eliminated.The main concern of resellers, the withdrawal of the product, is mainly affected by errors related to visibility (stock gap, theft, loss) and human errors. It is, therefore, necessary to improve visibility and automate the process. Despite its advantages, RFID deployment in supermarkets is still facing many obstacles and challenges. In this thesis, we focus on technological availability by defining and analyzing the different challenges and possibly proposing the appropriate solutions.First, the maximum reading distances of passive tags are evaluated in different environments in order to identify the factors impacting them. At the end of this study, an alternative characterization method is proposed to control tag performance and identify tagged objects with poor performance. Secondly, we will use this method to propose a new solution to improve detection. The algorithms behind this solution allow readers to negotiate their configurations with the environment and with each other. Finally, a new location algorithm is proposed to improve accuracy. This algorithm is based on the exploitation of the answers of the reliable tags of the medium. The proposed solutions are universal, compatible with market readers and add no cost to the hardware used for detection.

En télédétection, les cartes de contours peuvent servir, entre autres choses, à la restitution géométrique, à la recherche d'éléments linéaires, ainsi qu'à la segmentation. La création de ces cartes est faite relativement tôt dans la chaîne de traitements d'une image. Pour assurer la qualité des opérations subséquentes, il faut veiller à obtenir une carte de contours précise. Notre problématique est de savoir s'il est possible de diminuer la perte de temps liée au choix d'algorithme et de paramètre en corrigeant automatiquement la carte de contours. Nous concentrerons donc nos efforts sur le développement d'une méthode de détection/restauration de contours adaptative. Notre méthode s'inspire d'une technique de prédiction des performances d'algorithmes de bas niveau. Elle consiste à intégrer un traitement par réseau de neurones à une méthode"classique" de détection de contours. Plus précisément, nous proposons de combiner la carte de performances avec la carte de gradient pour permettre des décisions plus exactes. La présente étude a permis de développer un logiciel comprenant un réseau de neurones entraîné pour prédire la présence de contours. Ce réseau de neurones permet d'améliorer les décisions de détecteurs de contours, en réduisant le nombre de pixels de fausses alarmes et de contours manqués. La première étape de ce travail consiste en une méthode d'évaluation de performance pour les cartes de contours. Une fois ce choix effectué, il devient possible de comparer les cartes entre elles. Il est donc plus aisé de déterminer, pour chaque image, la meilleure détection de contours. La revue de la littérature réalisée simultanément a permis de faire un choix d'un groupe d'indicateurs prometteurs pour la restauration de contours. Ces derniers ont servi à la calibration et à l'entrainement d'un réseau de neurones pour modéliser les contours. Par la suite, l'information fournie par ce réseau a été combinée par multiplication arithmétique avec les cartes d'amplitudes de détecteurs"classiques" afin de fournir de nouvelles cartes d'amplitude du gradient. Le seuillage de ces contours donne des cartes de contours"optimisées". Sur les images aéroportées du jeu de données South Florida, la médiane des mesures-F de la pour l'algorithme de Sobel passe de 51,3 % avant la fusion à 56,4 % après. La médiane des mesures-F pour l'algorithme de Kirsch amélioré est de 56,3 % et celle de Frei-Chen amélioré est de 56,3 %. Pour l'algorithme de Sobel avec seuillage adaptatif, la mesure-F médiane est de 52,3 % avant fusion et de 57,2 % après fusion.En guise de comparaison, la mesure-F médiane pour le détecteur de Moon, mathématiquement optimal pour contours de type"rampe", est de 53,3 % et celle de l'algorithme de Canny, est de 61,1 %. L'applicabilité de notre algorithme se limite aux images qui, après filtrage, ont un rapport signal sur bruit supérieur ou égal à 20. Sur les photos au sol du jeu de données de South Florida, les résultats sont comparables à ceux obtenus sur les images aéroportées. Par contre, sur le jeu de données de Berkeley, les résultats n'ont pas été concluants. Sur une imagette IKONOS du campus de l'Université de Sherbrooke, pour l'algorithme de Sobel, la mesure-F est de 45,7 % «0,9 % avant la fusion et de 50,8 % après. Sur une imagette IKONOS de l'Agence Spatiale Canadienne, pour l'algorithme de Sobel avec seuillage adaptatif, la mesure-F est de 35,4 % «0,9 % avant la fusion et de 42,2 % après. Sur cette même image, l'algorithme de Argyle (Canny sans post-traitement) a une mesure-F de 35,1 % «0,9 % avant fusion et de 39,5 % après. Nos travaux ont permis d'améliorer la banque d'indicateurs de Chalmond, rendant possible le prétraitement avant le seuillage de la carte de gradient. À chaque étape, nous proposons un choix de paramètres permettant d'utiliser efficacement la méthode proposée. Les contours corrigés sont plus fins, plus complets et mieux localisés que les contours originaux. Une étude de sensibilité a été effectuée et permet de mieux comprendre la contribution de chaque indicateur. L'efficacité de l'outil développé est comparable à celle d'autres méthodes de détection de contours et en fait un choix intéressant pour la détection de contours. Les différences de qualité observées entre notre méthode et celle de Canny semble être dues à l'utilisation, ou non, de post-traitements. Grâce au logiciel développé, il est possible de réutiliser la méthodologie; cette dernière a permis d'opérationnaliser la méthode proposée. La possibilité de réutiliser le filtre, sans réentrainement est intéressante. La simplicité du paramétrage lors de l'utilisation est aussi un avantage. Ces deux facteurs répondent à un besoin de réduire le temps d'utilisation du logiciel.