Cette thèse s'intéresse à différentes techniques de compression d'image combinant à la fois des aspects Bayésiens et des aspects ”décompositions parcimonieuses”. Deux types de compression sont en particulier examinés. Le codage par transformation, d'abord, est traité sous l'angle de l'optimisation de la transformation. L'étude de bases prédéfinies puis apprises par un algorithme de la littérature constitue une introduction à la conception d'un nouvel algorithme d'apprentissage Bayésien, favorisant la parcimonie de la décomposition. Le codage prédictif ensuite est abordé. Inspiré de contributions récentes s'appuyant sur des décompositions parcimonieuses, un nouvel algorithme de prédiction Bayésien reposant sur un mélange de décompositions parcimonieuses est proposé. Enfin, ces travaux ont permis de mettre en évidence l'intérêt de structurer la parcimonie des décompositions. Par exemple, une pondération des atomes de la décomposition peut être envisagée via l'utilisation d'un modèle Bernoulli-Gaussien de paramètres différents. Ce modèle est considéré dans une dernière partie, pour le développement d'algorithmes de décompositions parcimonieuses.

Le bruit des moteurs diesel fait l'objet d'un intérêt particulier de la part des constructeurs automobile dans leur démarche d'assurer la qualité d'une voiture. Le bruit diesel au ralenti est un bruit impulsif répétitif qui peut provoquer la gêne auditive et, de ce fait, son étude perceptive est d'une grande importance. La présente thèse adopte une approche pluridisciplinaire des bruits diesel au ralenti dans le contexte de trois domaines scientifiques: l'acoustique automobile, les méthodes de traitement du signal temps-fréquence et la perception auditive. La problématique complexe du bruit moteur est exposée en décrivant la nature physique et la signature sonore des multiples sources acoustiques du groupe moto-propulseur, ainsi que les mécanismes associés au bruit de roulement et d'écoulement. L'accent est mis sur les caractéristiques rythmiques du bruit diesel au ralenti. L'apport principal dans le domaine du traitement du signal réside dans le développement d'un algorithme d'analyse temps-fréquence et de synthèse granulaire. Cet algorithme est basé sur l'analyse d'un cycle moteur et l'extraction des paramètres pour la synthèse granulaire à l'aide du module et de la phase de la transformée de Gabor et ses dérivées. La méthode fournit une décomposition parcimonieuse du signal sur un nombre restreint d'atomes temps-fréquence et permet la reconstruction du bruit moteur par périodisation d'un cycle moteur de synthèse. Une approche perceptive originale consiste à découper en zones temps-fréquence le cycle moteur de synthèse et de modifier les paramètres des atomes constituant cette zone. Les tests de préférence et de catégorisation effectués sur les sons de synthèse avec une modification du niveau des atomes dans les zones temps-fréquence a permis de mettre en évidence l'influence du niveau et du timbre des zones, mais également l'existence d'un facteur rythmique dans la perception des bruits diesel au ralenti dû au regroupement des zones en flux auditifs. Cette observation suggère la prise en compte de ce facteur rythmique dans l'étude perceptive des bruits moteur en ralenti et, plus globalement, des bruits impulsifs répétitifs.