Les travaux menés dans cette thèse portent sur le dématriçage d'images intégré dans une caméra couleur mono capteur. Ce type de caméra acquiert une seule composante couleur en chaque pixel grâce à un filtre CFA (Colour Filter Array) spectralement sélectif. La procédure dite de dématriçage consiste à estimer les deux composantes couleur manquantes en chaque pixel pour obtenir une image couleur. Nous proposons donc de déterminer, parmi les méthodes de dématriçage, celles qui fournissent des images couleur les mieux adaptées à l’analyse automatique des images. Dans un premier temps, nous présentons les principes de l’acquisition d’images numériques couleur par les caméras mono capteur. Après avoir expliqué l’influence de la structure du CFA sur la performance du dématriçage, nous focalisons nos études sur le dématriçage d’image issue du CFA de Bayer. Une formalisation mathématique du dématriçage de l’image CFA en image couleur est ensuite proposée avant de présenter les nombreuses méthodes de dématriçage parues dans la littérature ainsi que les post-traitements qui corrigent les couleurs estimées par dématriçage. Puis, nous nous intéressons aux critères d'évaluation de la qualité des images estimées par dématriçage. En premier lieu, nous décrivons les différents artefacts pouvant être générés par le dématriçage ainsi que la formation de ces artefacts, ce qui permet de bien cerner les limites atteintes par les critères classiques d’évaluation de la qualité des images estimées. Nous proposons alors deux mesures originales qui quantifient la présence de chaque type d'artéfacts (fausse couleur et effet de fermeture éclair). Enfin, nous présentons de nouveaux critères basés sur l’analyse de primitives extraites des images, en mesurant la qualité des contours qui y sont détectés. / Our work deals with the quality of colour images provided by a mono-CCD colour camera, which acquires only one colour component at each pixel by means of the CFA (Colour Filter Array) which covers the CCD sensor. A procedure - called demosaicing - is necessary to estimate the other two missing colour components at each pixel, so as to obtain a colour image in this kind of cameras. We aim to determine which method of demosaicing provides the results that are best adapted to colour image analyses for the reconstruction of scene. First, we present the principles on how the mono-CCD cameras acquire digital colour images, as well as the different arrangements of CFA used in such cameras. Once the influence of the CFA arrangement on the performance of demosaicing has been presented, we focus our studies on the demosaicing methods based on the Bayer CFA. A mathematical formalization for demosaicing is proposed before we present the numerous demosaicing methods in the literature, as well as the post-processing algorithms to correct the demosaiced images. We then investigate the evaluation criteria for the quality of the colour images estimated by demosaicing. First are described the different possible artefacts generated by demosaicing and the reasons for their generation, which allow us to point out the limits of the classical measures used to evaluate the estimated images. We then propose two original measures to quantify the presence of the two main artefacts, namely false colour and zipper effect. At last, we present new criteria based on the analysis of features extracted from colour images, by measuring the quality of edge detection in the estimated images.

Cette thèse est consacrée à la détection des contours à partir d'images acquises par des caméras couleur mono-capteur. Dans ces dispositifs, le capteur est recouvert d'une mosaïque de filtres chromatiques (Color Filter Array, ou CFA) et forme une image (dite <<brute>> ou CFA) qui ne comporte qu'une seule composante couleur par pixel. Une procédure de dématriçage est classiquement appliquée à cette image pour estimer les deux composantes couleur manquantes en chaque pixel et obtenir une image couleur. Cependant, les artéfacts générés par le dématriçage peuvent altérer les performances des méthodes d'analyse bas-niveau des images. Ceci nous amène à éviter le dématriçage pour la détection des contours. Dans une approche de type gradient, nous proposons d'estimer les dérivées partielles soit en calculant les dérivées partielles dans les trois plans couleur (approche vectorielle), soit en estimant une luminance adaptée à la détection des contours (approche scalaire). L'état de l'art met en évidence que l'exploitation directe de l'image brute a été peu abordée et que les approches développées dans cette thèse sont originales. Pour l'approche vectorielle, nous proposons une adaptation de l'implantation récursive du filtre de Deriche au treillis du CFA. Pour l'approche luminance, nous utilisons un filtre optimal qui lisse et dérive conjointement les données brutes. Nous évaluons les performances des méthodes développées sur une base d'images synthétiques dont la vérité terrain est connue. Nous montrons ainsi que la détection des contours à partir des données brutes peut être satisfaisante tout en étant peu coûteuse en temps de calcul. / This thesis is devoted to edge detection from the raw image acquired by single-sensor cameras. Such cameras are fitted with Bayer Color Filter Array (CFA, generally Bayer one) and deliver raw CFA image, in which each pixel is characterized by only one out of the three colour components (red, green, or blue). A demosaicing procedure is necessary to estimate the other two missing colour components at each pixel, so as to obtain a colour image. This however produces artefacts that may affect the performance of low-level processing tasks applied to such estimated images. We propose to avoid demosaicing to compute partial derivatives for edge detection. Simple differentiation kernels, Deriche filters or shifted Deriche filters can be used either in a vector or a scalar approache. The vector approach computes partial derivatives for the three channels and the scalar approach first estimates a luminance image, then computes derivatives. The partial CFA derivatives are then used to compute Di Zenzo gradient for edge detection. We assess the performance of our methods on a large dataset of synthetic images with available edge ground truth. We show that CFA-based approaches may provide as accurate edge detection results as colour vector-based ones at much reduced computation cost.