Une nouvelle génération de spectromètres imageurs émerge dans le domaine de l'exploration spatiale par l'ajout d'une dimension supplémentaire de mesure, la dimension angulaire. L'imagerie spectroscopique multi-angulaire est conçue pour fournir une caractérisation plus précise des matériaux planétaires et permet une meilleure séparation des signaux provenant de l'atmosphère et la surface. Le capteur Compact Reconnaissance Imaging Spectrometer for Mars (CRISM) à bord de la sonde Mars Reconnaissance Orbiter est une caméra hyperspectrale qui fonctionne systématiquement dans le mode multi-angulaire depuis l'orbite. Néanmoins, les images multi-angulaires hyperspectrales posent certains problèmes de manipulation, de visualisation et d'analyse en raison de leur taille et de leur complexité. Dans ce cadre, cette thèse propose des algorithmes statistiques et physiques pour analyser les images acquises par l'instrument CRISM de manière efficace et robuste. Premièrement, je propose une chaîne de post-traitement visant à améliorer la qualité radiométrique des données CRISM et à générer des produits améliorés, ces dernières données étant conçues pour permettre une analyse fine de la planète Mars. Deuxièmement, je m'intéresse à la correction atmosphérique des images CRISM en exploitant les capacités multi-angulaires de cet instrument. Un algorithme innovant, à base physique est mis en oeuvre pour compenser les effets atmosphériques afin d'estimer la reflectance de surface. Cette approche est particulièrement utilisée dans cette thèse pour déduire les propriétés photométriques des matériaux qui coexistent dans un site spécifique de Mars, le cratère de Gusev. Troisièmement, j'effectue une comparaison d'une sélection des meilleurs techniques existantes, visant à réaliser une déconvolution spectrale des données acquises par l'instrument CRISM. Ces techniques statistiques se sont avérées utiles lors de l'analyse d'images hyperspectrales de manière non supervisé, c'est a dire, sans aucun a priori sur la scène. Une stratégie originale est proposée pour discriminer les techniques les plus appropriées pour l'exploration de Mars, à partir de données indépendantes provenant d'autres capteurs d'imagerie haute résolution afin de construire une vérité de terrain.

Une nouvelle génération de spectromètres imageurs émerge dans le domaine de l'exploration spatiale par l'ajout d'une dimension supplémentaire de mesure, la dimension angulaire. L'imagerie spectroscopique multi-angulaire est conçue pour fournir une caractérisation plus précise des matériaux planétaires et permet une meilleure séparation des signaux provenant de l'atmosphère et la surface. Le capteur Compact Reconnaissance Imaging Spectrometer for Mars (CRISM) à bord de la sonde Mars Reconnaissance Orbiter est une caméra hyperspectrale qui fonctionne systématiquement dans le mode multi-angulaire depuis l'orbite. Néanmoins, les images multi-angulaires hyperspectrales posent certains problèmes de manipulation, de visualisation et d'analyse en raison de leur taille et de leur complexité. Dans ce cadre, cette thèse propose des algorithmes statistiques et physiques pour analyser les images acquises par l'instrument CRISM de manière efficace et robuste. Premièrement, je propose une chaîne de post-traitement visant à améliorer la qualité radiométrique des données CRISM et à générer des produits améliorés, ces dernières données étant conçues pour permettre une analyse fine de la planète Mars. Deuxièmement, je m'intéresse à la correction atmosphérique des images CRISM en exploitant les capacités multi-angulaires de cet instrument. Un algorithme innovant, à base physique est mis en oeuvre pour compenser les effets atmosphériques afin d'estimer la reflectance de surface. Cette approche est particulièrement utilisée dans cette thèse pour déduire les propriétés photométriques des matériaux qui coexistent dans un site spécifique de Mars, le cratère de Gusev. Troisièmement, j'effectue une comparaison d'une sélection des meilleurs techniques existantes, visant à réaliser une déconvolution spectrale des données acquises par l'instrument CRISM. Ces techniques statistiques se sont avérées utiles lors de l'analyse d'images hyperspectrales de manière non supervisé, c'est a dire, sans aucun a priori sur la scène. Une stratégie originale est proposée pour discriminer les techniques les plus appropriées pour l'exploration de Mars, à partir de données indépendantes provenant d'autres capteurs d'imagerie haute résolution afin de construire une vérité de terrain. / New generation of imaging spectrometers are emerging in the field of space exploration by adding an additional view of measurement, the angular dimension. Multi-angle imaging spectroscopy is conceived to provide a more accurate characterization of planetary materials and a higher success in separating the signals coming from the atmosphere and the surface. The Compact Reconnaissance Imaging Spectrometer for Mars (CRISM) aboard the Mars Reconnaissance Orbiter is a hyperspectral camera that operates systematically in multi-angle mode from space. Nonetheless, multi-angle hyperspectral images are related to problems of manipulation, visualization and analysis because of their size and complexity. In this framework, this PhD thesis proposes robust statistical and physical algorithms to analyze images acquired by the CRISM instrument in an efficient manner. First, I propose a tailor-made data pipeline aimed at improving the radiometric quality of CRISM data and generating advanced products, the latter data being devised to perform fine analysis of the planet Mars. Second, I address the atmospheric correction of CRISM imagery by exploiting the multi-angle capabilities of this instrument. An innovative physically-based algorithm compensating for atmospheric effects is put forward in order to retrieve surface reflectance. This approach is particularly used in this thesis to infer the photometric properties of the materials coexisting in a specific site of Mars, the Gusev crater. Third, I perform an intercomparison of a selection of state-of-the-art techniques aimed at performing spectral unmixing of hyperspectral data acquired by the CRISM instrument. These statistical techniques are proved to be useful when analyzing hyperspectral images in an unsupervised manner, that is, without any a priori on the scene. An original strategy is proposed to discriminate the most suitable techniques for the exploration of Mars based on ground truth data built from independent high resolution imagery.