Disposer de descriptions tridimensionnelles d'une scène urbaine intéresse de plus en plus d'applications industrielles. Les fournisseurs de services en télécommunications ont besoin de Modèles Numériques Urbains (MNU) précis pour alimenter les outils de planification qui leur permettent de déployer et de densifier leurs réseaux cellulaires. Avec comme objectif la fourniture d'un produit destiné aux applications des télécommunications, cette thèse traite de la modélisation de bâtiments. Les contributions principales de cette thèse sont la présentation, l'étude et le développement de plusieurs outils pour la reconstruction automatique de bâtiments. Une contribution originale et importante est l'algorithme de reconstruction automatique des façades. Il permet la reconstruction des façades sans aucun a priori sur la forme du bâtiment traité ni sur l'orientation de ses façades. Nous montrons comment utiliser les points reconstruits sur les façades pour corriger les limites des bâtiments dans un MNE (Modèle Numérique d'Elévation) ou pour guider des contours actifs. Nous présentons aussi un système de modélisation automatique des bâtiments basé sur les outils que nous avons développés. Ce système de modélisation de scène urbaine se compose des trois étapes suivantes : (1) segmentation du MNE initial en plans horizontaux pour retrouver les régions planes qui permettent de décrire les toits des bâtiments, (2) approximation polygonale des contours des plans pour construire un modèle initial et (3) orthogonalisation de ces modèles de bâtiments. Nous proposons une procédure de validation des résultats basée sur des outils télécoms. Les résultats montrent que ces données sont satisfaisantes pour déployer un réseau et le maintenir dans une zone rurale et sub-urbaine.

Ce travail est consacré au développement ainsi qu'à l'implantation de deux modèles variationnels pour la classification d'images. La classification d'images, consistant à attribuer une étiquette à chaque pixel d'une image, concerne de nombreuses applications à partir du moment où cette opération intervient très souvent à la base des chaînes de traitement et d'interprétation d'images. De nombreux modèles de classification ont déjà été développés dans un cadre stochastique ou à travers des approches structurales, mais rarement dans un contexte variationnel qui a déjà montré son efficacité dans divers domaines tels que la reconstruction ou la restauration d'images. Le premier modèle que nous proposons repose sur la minimisation d'une famille de critères dont la suite de solutions converge vers une partition des données composée de classes homogènes séparées par des contours réguliers. Cette approche entre dans le cadre des problèmes à discontinuité libre (free discontinuity problems) et fait appel à des notions de convergence variationnelle telle que la théorie de la ì-convergence. La famille de fonctionnelles que nous proposons de minimiser contient un terme de régularisation, ainsi qu'un terme de classification. Lors de la convergence de cette suite de critères, le modèle change progressivement de comportement en commençant par restaurer l'image avant d'entamer le processus d'étiquetage des pixels. Parallèlement à cette approche, nous avons développé un second modèle de classification mettant en jeu un ensemble de régions et contours actifs. Nous utilisons une approche par ensembles de niveaux pour définir le critère à minimiser, cette approche ayant déjà suscité de nombreux travaux dans le cadre de la segmentation d'images. Chaque classe, et son ensemble de régions et contours associé, est défini à travers une fonction d'ensemble de niveaux. Le critère contient des termes reliés à l'information sur les régions ainsi qu'à l'information sur les contours. Nous aboutissons à la résolution d'un système d'équations aux dérivées partielles couplées et plongées dans un schéma dynamique. L'évolution de chaque région est guidée par un jeu de forces permettant d'obtenir une partition de l'image composée de classes homogènes et dont les frontières sont lisses. Nous avons mené des expériences sur de nombreuses données synthétiques ainsi que sur des images satellitaires SPOT. Nous avons également étendu ces deux modèles au cas de données multispectrales et obtenu des résultats sur des données SPOT XS que nous avons comparé à ceux obtenus par différents modèles.

Cette thèse concerne l'élaboration d'une chaîne de traitements radargrammétrique conduisant aux structures 3-D à partir d'images radar haute résolution. L'intérêt de la cartographie 3-D par imagerie RSO (Radar à Synthèse d'Ouverture) est que l'image radar peut être acquise par tout temps et de jour comme de nuit. Nous disposons d'images issues du capteur expérimental RAMSES de l'ONERA et représentant des scènes industrielles. Ces données contiennent de nombreux échos forts et les toits des structures sont peu visibles. Ces phénomènes rendent difficile l'interprétation des images et insuffisantes les méthodes classiques de reconstruction 3-D. Face à ces particularités, nous menons l'analyse radiométrique et géométrique des données. Cette analyse aboutit à la proposition d'une chaîne algorithmique adaptée qui vise à restituer les structures cylindriques et parallélépipédiques telles que cuves et bâtiments de forme simple. Dans la première partie concernant l'analyse, nous donnons l'interprétation simplifiée de l'image radar d'une structure et étudions les statistiques des images d'amplitude. L'opportunité de la radargrammétrie haute résolution est vérifiée théoriquement puis expérimentalement. La seconde partie présente la chaîne radargrammétrique. Notre approche comprend deux étapes principales : l'extraction des structures à partir des échos forts puis l'estimation du 3-D. L'extraction des structures fait l'objet d'un chapitre important de cette thèse. Nous proposons une méthode permettant la reconnaissance de la forme englobant la structure brillante, circulaire ou rectangulaire, par optimisation d'un critère surfacique. Nous la comparons avec des techniques plus classiques de traitement d'images et étudions plusieurs critères ainsi que l'apport de méthodes d'optimisation stochastique. Nous présentons ensuite une méthodologie pour obtenir les altitudes du sol entre les structures détectées et leur hauteur. Les résultats montrent la pertinence de l'approche lorsque la structure a été détectée et dans le cas favorable où un écho du toit est détectable.

Les méthodes et les outils de génération automatique ou semi-automatique de modèles 3D urbains se développent rapidement, mais l’évaluation de la qualité de ces modèles et des données spatiales sur lesquelles ils s’appuient n’est que rarement abordée. Notre objectif est de proposer une approche multidimensionnelle standard pour évaluer la qualité des modèles 3D de bâtiments en 1D, 2D et 3D. Deux méthodes sont présentées pour l'évaluation 1D. La première se base sur l’analyse de l’erreur moyenne quadratique en X, Y et Z. La deuxième solution s’appuie sur les instructions parues au Journal Officiel du 30 octobre 2003 et exigeant le respect de classes de précisions. L'approche que nous proposons se penche sur le calcul d'indices de qualité fréquemment rencontrés dans la littérature. L'originalité de notre approche réside dans le fait que les modèles employés en entrée ne se limitent pas au mode raster, mais s'étendent au mode vecteur. Il semble évident que les modèles définis en mode vecteur s'avèrent plus fidèles à la réalité qu'en mode raster. Les indices de qualité 2D et 3D calculés montrent que les modèles 3D de bâtiments extraits à partir des couples d’images stéréoscopiques sont cohérents. Les modèles reconstruits à partir du LiDAR sont moins exacts. En conclusion, cette thèse a abouti à l’élaboration d’une approche d’évaluation multidimensionnelle de bâtiments en 3D. L’approche proposée dans cette thèse est adaptée et opérationnelle pour des modèles vectoriels et rasters de bâtiments 3D simplifiés. / Methods and tools for automatic or semi-automatic generation of 3D city models are developing rapidly, but the quality assessment of these models and spatial data are rarely addressed. A comprehensive evaluation in 3D is not trivial. Our goal is to provide a standard multidimensional approach for assessing the quality of 3D models of buildings in 1D, 2D and 3D. Two methods are applied. The first one is done by computing Root Mean Square Errors (RMSE) based on the deviations between both models (reference and test), in X, Y and Z directions. Second method is performed by applying the French legal text (arrêté sur les classes de précision) that is based on the instructions published in the Official Journal from October 30, 2003. These indices pass through the space discretization in pixels or voxels for measuring the degree of superposition of 2D or 3D objects. The originality of this approach is built on the fact that the models used as input are not only limited to raster format, but also extended to vector format. The results of statistics of the quality indices calculated for assessing the building models show that the 3D building models extracted from stereo-pairs are close from each other. Also, the models reconstructed from LiDAR are less accurate than the models reconstructed from aerial images alone. In conclusion, the quality evaluation of 3D building models has been achieved by applying the proposed multi-dimensional approach. This approach is suitable for simplified 3D building vector models created from aerial images and/or LiDAR datasets.