Les satellites de télédétection sont devenus incontournables pour la société civile. En effet, les images satellites ont été exploitées avec succès pour traiter plusieurs applications, notamment la surveillance de l'environnement et de la prévention des catastrophes naturelles. Dans les dernières années, l'augmentation de la disponibilité de très haute résolution spatiale (THR) d'images de télédétection abouti à de nouvelles applications potentiellement pertinentes liées au suivi d'utilisation des sols et à la gestion environnementale. Cependant, les capteurs optiques, en raison du fait qu'ils acquièrent directement la lumière réfléchie par le soleil, ils peuvent souffrir de la présence de nuages dans le ciel et / ou d'ombres sur la terre. Il s'agit du problème des données manquantes, qui induit un problème important et crucial, en particulier dans le cas des images THR, où l'augmentation des détails géométriques induit une grande perte d'informations. Dans cette thèse, de nouvelles méthodologies de détection et de reconstruction de la région contenant des données manquantes dans les images THR sont proposées et appliquées sur les zones contaminées par la présence de nuages et / ou d'ombres. En particulier, les contributions méthodologiques proposées comprennent: i) une stratégie multirésolution d'inpainting visant à reconstruire les images contaminées par des nuages ; ii) une nouvelle combinaison d'information radiométrique et des informations de position spatiale dans deux noyaux spécifiques pour effectuer une meilleure reconstitution des régions contaminés par les nuages en adoptant une régression par méthode a vecteurs supports (RMVS) ; iii) l'exploitation de la théorie de l'échantillonnage compressé avec trois stratégies différentes (orthogonal matching pursuit, basis pursuit et une solution d'échantillonnage compressé, basé sur un algorithme génétique) pour la reconstruction d'images contaminés par des nuages; iv) une chaîne de traitement complète qui utilise une méthode à vecteurs de supports (SVM) pour la classification et la détection des zones d'ombre, puis une régression linéaire pour la reconstruction de ces zones, et enfin v) plusieurs critères d'évaluation promptes à évaluer la performance de reconstruction des zones d'ombre. Toutes ces méthodes ont été spécialement développées pour fonctionner avec des images très haute résolution. Les résultats expérimentaux menés sur des données réelles sont présentés afin de montrer et de confirmer la validité de toutes les méthodes proposées. Ils suggèrent que, malgré la complexité des problèmes, il est possible de récupérer de façon acceptable les zones manquantes masquées par les nuages ou rendues erronées les ombres.

<p dir="ltr">Accurate 3D point clouds are crucial in various fields, and the advancement of software algorithms has facilitated the reconstruction of 3D models from high-quality images. Notably, both single-camera and multi-camera systems have gained popularity in obtaining these images. While single-camera setups offer simplicity and cost-effectiveness, multi-camera systems provide a broader field of view and improved coverage. However, a crucial gap persists, a lack of direct comparison and comprehensive analysis regarding the quality of point clouds acquired from each system. This thesis aims to bridge this gap by evaluating the point cloud quality obtained from both single-camera and multi-camera systems, considering various factors such as lighting conditions, camera settings, and the stability of multi-camera setup in the 3D reconstruction process. Our research also aims to provide insights into how these factors influence the quality and performance of the reconstructed point clouds. By understanding the strengths and limitations of each system, researchers and professionals can make informed decisions when selecting the most suitable 3D imaging approach for their specific applications. To achieve these objectives, we designed and utilized a custom rig with three vertically stacked cameras, each equipped with a fixed camera lens, and maintained uniform lighting conditions. Additionally, we employed a single-camera system with a zoom lens and non uniform lighting conditions. Through noise analysis, our results revealed several crucial findings. The single-camera system exhibited relatively higher noise levels, likely due to non-uniform lighting and the use of a zoom lens. In contrast, the multi-camera system demonstrated lower noise levels, which can be attributed to well-lit conditions and the use of fixed lenses. However, within the multi-camera system, instances of significant instability led to a substantial increase in noise levels in the reconstructed point cloud compared to more stable conditions. Our noise analysis showed the multi-camera system preformed better compared to the single-camera system in terms of noise quality. However, it is crucial to recognize that noise detection also revealed the influence of factors like lighting conditions, camera calibration and camera stability of multi-camera systems on the reconstruction process.</p>