L'alignement d'images paramétrique a de nombreuses applications pour la réalité augmentée, la compression vidéo ou encore le suivi d'objets. Dans cette thèse, nous nous intéressons notamment aux techniques de recalage d'images (template matching) reposant sur l'optimisation locale d'une fonctionnelle d'erreur. Ces approches ont conduit ces dernières années à de nombreux algorithmes efficaces pour le suivi d'objets. Cependant, les performances de ces algorithmes ont été peu étudiées lorsque les images sont dégradées par un bruit important comme c'est le cas, par exemple, pour des captures réalisées dans des conditions de faible luminosité. Dans cette thèse, nous proposons un nouveau formalisme, appelé formalisme bidirectionnel, qui unifie plusieurs approches de l'état de l'art. Ce formalisme est utilisé dans un premier temps pour porter un éclairage nouveau sur un grand nombre d'approches de la littérature et en particulier sur l'algorithme ESM (Efficient Second-order Minimization). Nous proposons ensuite une étude théorique approfondie de l'influence du bruit sur le processus d'alignement. Cette étude conduit à la définition de deux nouvelles familles d'algorithmes, les approches ACL (Asymmetric Composition on Lie Groups) et BCL (Bidirectional Composition on Lie Groups) qui permettent d'améliorer les performances en présence de niveaux de bruit asymétriques (Rapport Signal sur Bruit différent dans les images). L'ensemble des approches introduites sont validées sur des données synthétiques et sur des données réelles capturées dans des conditions de faible luminosité.

La contribution majeure de cette thèse consiste en un formalisme et une méthodologie permettant de réaliser une analyse de stabilité globale des écoulements turbulents. La dynamique de ces écoulements est modélisée à l'aide des équations moyennées RANS, on s'intéresse ainsi à l'évolution des grandes échelles turbulentes. Un formalisme global est adopté permettant d'analyser des écoulements complexes. Une approche de type discrète est proposée, où les équations sont d'abord discrétisées puis linéarisées par différences finies. Cette approche permet d'adopter une stratégie générique vis à vis du système d'équations utilisées, comme le choix d'un modèle turbulent, et évite une linéarisation analytique fastidieuse des équations. Par ailleurs, cette méthode permet également l'utilisation systématique d'un code de simulation numérique afin de réaliser une étude de stabilité linéaire. Enfin, on démontre que l'analyse de la sensibilité à des perturbations stationnaires peut être réalisée grâce à ce formalisme et ce pour des écoulements laminaires et turbulents. Cette analyse détermine les zones où un contrôle stationnaire permettrait de réduire les instationnarités observées, facilitant la conception de stratégies efficaces de contrôle en boucle ouverte. La méthode est testée en premier lieu sur deux écoulements laminaires, où l'on reproduit les résultats obtenus par de précédentes études sur la dynamique d'oscillateur du sillage d'un cylindre bidimensionnel ainsi que sur la dynamique d'amplificateur de bruit d'une couche limite. La robustesse et la validité de notre méthode sont ensuite analysées sur un cas d'écoulement compressible et turbulent dans une cavité profonde. La précision des gradients de sensibilité est vérifiée, et la physique de l'écoulement, modes instables, propriétés acoustiques, impact de la modélisation de la turbulence, est détaillée. Afin de mieux appréhender la portabilité ainsi que la valeur ajoutée de notre méthode, on présentera ensuite trois cas d'études réalisées à l'aide de nos outils. On s'intéressera en premier lieu au phénomène de buffet sur un profil bidimensionnel, puis on présentera des résultats obtenus sur la caractérisation comme amplificateur de bruit d'un cas d'interaction de choc-couche limite, enfin une analyse du screech dans les jets sous détendus sera proposée. Enfin, on présente en dernier lieu une étude de la dynamique turbulente du sillage derrière un cylindre en forme de D.

L’alignement d’images paramétrique a de nombreuses applications pour la réalité augmentée, la compression vidéo ou encore le suivi d’objets. Dans cette thèse, nous nous intéressons notamment aux techniques de recalage d’images (template matching) reposant sur l’optimisation locale d’une fonctionnelle d’erreur. Ces approches ont conduit ces dernières années à de nombreux algorithmes efficaces pour le suivi d’objets. Cependant, les performances de ces algorithmes ont été peu étudiées lorsque les images sont dégradées par un bruit important comme c’est le cas, par exemple, pour des captures réalisées dans des conditions de faible luminosité. Dans cette thèse, nous proposons un nouveau formalisme, appelé formalisme bidirectionnel, qui unifie plusieurs approches de l’état de l’art. Ce formalisme est utilisé dans un premier temps pour porter un éclairage nouveau sur un grand nombre d’approches de la littérature et en particulier sur l’algorithme ESM (Efficient Second-order Minimization). Nous proposons ensuite une étude théorique approfondie de l’influence du bruit sur le processus d’alignement. Cette étude conduit à la définition de deux nouvelles familles d’algorithmes, les approches ACL (Asymmetric Composition on Lie Groups) et BCL (Bidirectional Composition on Lie Groups) qui permettent d’améliorer les performances en présence de niveaux de bruit asymétriques (Rapport Signal sur Bruit différent dans les images). L’ensemble des approches introduites sont validées sur des données synthétiques et sur des données réelles capturées dans des conditions de faible luminosité. / Parametric image alignment is a fundamental task of many vision applications such as object tracking, image mosaicking, video compression and augmented reality. To recover the motion parameters, direct image alignment works by optimizing a pixel-based difference measure between a moving image and a fixed-image called template. In the last decade, many efficient algorithms have been proposed for parametric object tracking. However, those approaches have not been evaluated for aligning images of low SNR (Signal to Noise ratio) such as images captured in low-light conditions. In this thesis, we propose a new formulation of image alignment called Bidirectional Framework for unifying existing state of the art algorithms. First, this framework allows us to produce new insights on existing approaches and in particular on the ESM (Efficient Second-order Minimization) algorithm. Subsequently, we provide a theoretical analysis of image noise on the alignment process. This yields the definition of two new approaches : the ACL (Asymmetric Composition on Lie Groups) algorithm and the BCL (Bidirectional Composition on Lie Groups) algorithm, which outperform existing approaches in presence of images of different SNR. Finally, experiments on synthetic and real images captured under low-light conditions allow to evaluate the new and existing approaches under various noise conditions.