Dans cette thèse, nous présentons d'abord une nouvelle stratégie à base de bandes pour réduire les graphes impliqués dans la segmentation binaire par graph cuts. Ceci est effectué en testant localement si un noeud est réellement utile au calcul du flot maximum dans ces graphes. À l'instar des méthodes antérieures à base de bandes, les noeuds restants sont typiquement localisés dans des bandes étroites autour des contours de l'objet à segmenter. Dans un premier temps, nous proposons un test heuristique pour décider si un noeud peut être ajouté au graphe réduit qui peut être calculée en temps constant (excepté pour les bords de l'image). Lorsque le degré de régularisation est élevé, des paramètres supplémentaires sont intégrés à ce test pour à la fois réduire davantage les graphes et supprimer les zones dues au bruit dans les segmentations. Lorsque le degré de régularisation est moindre, le temps requis par cet algorithme est même compensé par le temps de calcul du flot maximum sur le graphe réduit. Dans cette situation, nous montrons expérimentalement que cet algorithme réduit significativement la consommation mémoire des graph cuts standard tout en conservant une erreur quasi nulle sur les segmentations. Dans un second temps, nous décrivons un autre test avec un coût computationnel légèrement supérieur. Nous démontrons que chaque noeud vérifiant ce test peut être retiré sans altérer la valeur du flot maximum. Des expériences numériques permettent d'exhiber des performances équivalentes au test heuristique. Dans une seconde partie, nous présentons une application de cette technique de réduction à la segmentation semi-interactive de tumeurs pulmonaires dans des images CT 3D. L'originalité de ce travail consiste à intégrer un a priori sur la localisation des graines objet et contrôler leur propagation grâce à un algorithme de Fast Marching basé sur le gradient de l'image. Les résultats quantitatifs et qualitatifs comparés aux vérités terrains fournies montrent une délimitation précise des tumeurs avec un coefficient de Dice supérieur à 80\% en moyenne.

La segmentation de personnes dans les images et les vidéos est une problématique actuellement au coeur de nombreux travaux. Nous nous intéressons à la segmentation de personnes debout. Pour cela, nous avons mis au point deux méthodes originales : La première est une continuation d'une méthode de détection efficace. On réalise une pré-segmentation en associant aux segments de contour de l'image une valeur de vraisemblance en tant qu'élément d'une silhouette humaine par une combinaison d'histogrammes de gradients orientés (HOG) et de machines à vecteurs de support (SVM) prises à l'échelle des ces segments. Une recherche d'arbre optimal dans un graphe intégrant les données de la pré-segmentation permet de reconstruire la silhouette de la personne. Enfin, une utilisation itérative de ce processus permet d'en améliorer la performance. La seconde méthode prend en compte l'interaction de l'utilisateur pour une image. Une coupe de graphe est guidée par un gabarit non binaire représentant une silhouette humaine. Nous proposons également un gabarit par parties pour s'adapter à la posture de la personne. Nous avons enfin transposé cette méthode à la segmentation de vidéos et la réalisation automatique de trimaps.

Cette thèse traite de la segmentation d'IRM cérébrales multimodales par des méthodes de coupe de graphe. Dans un premier temps, nous proposons une méthode qui utilise trois modalités IRM en les fusionnant. L'information de frontière, donnée par le gradient spectral, est alors mis en balance avec une information de région, donnée par des graines sélectionnées par l'utilisateur, par un algorithme de coupe de graphe. Dans un second temps, nous proposons trois variantes de cette méthode. La première consiste à trouver un espace spectral optimal car le gradient spectral est basé sur les images naturelles donc inadapté aux images médicales multimodales. Cela donne naissance à une méthode de segmentation par apprentissage. Nous explorons ensuite l'automatisation de notre méthode. Ici, les informations d'ordinaire données par l'utilisateur sont déduites par un algorithme robuste d'espérance-maximisation. Nous montrons les performances de ces deux variantes sur la segmentation de lésions de sclérose en plaques. Enn, nous intégrons l'utilisation d'atlas pour la segmentation automatique de structures profondes du cerveau. Ces trois nouvelles techniques montrent l'adaptabilité de notre méthode à divers problèmes. Nos différentes méthodes de segmentation se montrent meilleures que la plupart de celles actuellement utilisés, aussi bien en terme de temps de calcul qu'en précision de segmentation.

La tomographie SAR exploite plusieurs acquisitions d'une même zone acquises d'un point de vue légerement différent pour reconstruire la densité complexe de réflectivité au sol. Cette technique d'imagerie s'appuyant sur l'émission et la réception d'ondes électromagnétiques cohérentes, les données analysées sont complexes et l'information spatiale manquante (selon la verticale) est codée dans la phase. De nombreuse méthodes ont pu être proposées pour retrouver cette information. L'utilisation des redondances naturelles à certains milieux n'est toutefois généralement pas exploitée pour améliorer l'estimation tomographique. Cette thèse propose d'utiliser l'information structurelle propre aux structures urbaines pour régulariser les densités de réflecteurs obtenues par cette technique. / SAR tomography consists in exploiting multiple images from the same area acquired from a slightly different angle to retrieve the 3-D distribution of the complex reflectivity on the ground. As the transmitted waves are coherent, the desired spatial information (along with the vertical axis) is coded in the phase of the pixels. Many methods have been proposed to retrieve this information in the past years. However, the natural redundancies of the scene are generally not exploited to improve the tomographic estimation step. This Ph.D. presents new approaches to regularize the estimated reflectivity density obtained through SAR tomography by exploiting the urban geometrical structures.