La dernière décennie a vu l'exploitation d’application d’inspection automatique dans plusieurs domaines grâce à l’avancé des capteurs de vision et des méthodes d’analyse de texture et de segmentation d’images. Cependant, la nature difficile des images de chaussées (fortement texturée), la petite taille des défauts (fissures) conduisent au constat que l’inspection dans ce domaine est réalisée manuellement. Chaque année, en France, des opérateurs doivent visualiser des milliers de kilomètres d'images de route pour y relever des dégradations. Cette façon de faire est couteuse, lente et a un résultat plutôt subjectif. L’objectif de ce travail de thèse est de développer une méthode permettant la détection et la classification des fissures automatiquement sur ces images de chaussées. Le coeur de la thèse est une nouvelle méthode de segmentation, la Free Form Anisotropy (FFA). D'une part, elle permet de prendre en compte simultanément les attributs concernant la forme et l’intensité des pixels d’une fissure pour la détection. D’autre part, une nouvelle modélisation est utilisée en recherchant des chemins minima dans des graphes (images) afin de trouver la forme de la fissure dès qu'elle est présente dans l’image. Après la segmentation, l’extraction et la classification de défauts sont réalisées par une transformée de Hough et par le calcul de l’orientation locale des pixels. Les résultats expérimentaux ont été obtenus à partir de plusieurs bases d’images et compares avec des méthodes existantes. / These last decades have seen application of automatic inspection in many fields thanks to advanced vision sensors and image analysis methods. However, the difficult nature of pavement images, the small size of defects (cracks) lead to the fact that inspection in this area is done mostly manually. Each year in France, operator must view images of thousands kilometers of roads to detect these degradations. This method is expensive, slow and has a rather subjective result. The objective of this thesis is to develop a method for the detection and the classification of cracks on these pavement images automatically. In this thesis, a new method of segmentation has been developed: the Free Form Anisotropy (FFA). On one hand, this method allows to take into account both the features concerning form and intensity of cracks, for the detection. On the other hand, a new model is used to search minimum paths in graphs (images). This minimum path follows crack form when crack is present. After segmentation, extraction and classification of defects are performed by the Standard Hough Transform and by calculating local orientation of pixels. Experimental results have been obtained from different image databases and compared with other existing methods.

La dernière décennie a vu l'exploitation d'application d'inspection automatique dans plusieurs domaines grâce à l'avancé des capteurs de vision et des méthodes d'analyse de texture et de segmentation d'images. Cependant, la nature difficile des images de chaussées (fortement texturée), la petite taille des défauts (fissures) conduisent au constat que l'inspection dans ce domaine est réalisée manuellement. Chaque année, en France, des opérateurs doivent visualiser des milliers de kilomètres d'images de route pour y relever des dégradations. Cette façon de faire est couteuse, lente et a un résultat plutôt subjectif. L'objectif de ce travail de thèse est de développer une méthode permettant la détection et la classification des fissures automatiquement sur ces images de chaussées. Le coeur de la thèse est une nouvelle méthode de segmentation, la Free Form Anisotropy (FFA). D'une part, elle permet de prendre en compte simultanément les attributs concernant la forme et l'intensité des pixels d'une fissure pour la détection. D'autre part, une nouvelle modélisation est utilisée en recherchant des chemins minima dans des graphes (images) afin de trouver la forme de la fissure dès qu'elle est présente dans l'image. Après la segmentation, l'extraction et la classification de défauts sont réalisées par une transformée de Hough et par le calcul de l'orientation locale des pixels. Les résultats expérimentaux ont été obtenus à partir de plusieurs bases d'images et compares avec des méthodes existantes.