Dans ce travail, on s'intéresse à des outils mathématiques spéciaux appelés tenseurs qui sont formellement définis comme des tableaux multidimensionnels définis sur le produit tensoriel d'espaces vectoriels (chaque espace vectoriel étant muni de son système de coordonnées), le nombre d'espaces vectoriels impliqués dans ce produit étant l'ordre du tenseur. L'intérêt pour les tenseurs est motivé par certains travaux expérimentaux qui ont prouvé, dans divers contextes, que traiter des données multidimensionnelles avec des tenseurs plutôt que des matrices donne un meilleur résultat aussi bien pour des tâches de régression que de classification. Dans le cadre de la thèse, nous nous sommes focalisés sur une décomposition dite de Tucker et avons mis en place une méthode pour l'apprentissage de dictionnaires, une technique pour l'apprentissage en ligne de dictionnaires, une approche pour la décomposition d'un tenseur de grandes tailles et enfin une méthodologie pour la décomposition d'un tenseur qui croît par rapport à tous les modes. De nouveaux résultats théoriques concernant la convergence et la vitesse de convergence sont établis et l'efficacité des algorithmes proposés, reposant soit sur la minimisation alternée, soit sur la descente de gradients par coordonnées, est démontrée sur des problèmes réels / In this work, we are interested in special mathematical tools called tensors, that are multidimensional arrays defined on tensor product of some vector spaces, each of which has its own coordinate system and the number of spaces involved in this product is generally referred to as order. The interest for these tools stem from some empirical works (for a range of applications encompassing both classification and regression) that prove the superiority of tensor processing with respect to matrix decomposition techniques. In this thesis framework, we focused on specific tensor model named Tucker and established new approaches for miscellaneous tasks such as dictionary learning, online dictionary learning, large-scale processing as well as the decomposition of a tensor evolving with respect to each of its modes. New theoretical results are established and the efficiency of the different algorithms, which are based either on alternate minimization or coordinate gradient descent, is proven via real-world problems.

La première partie de cette thèse (articles 1 et 2) est consacrée à l'étude du comportement asymptotique des solutions de dynamiques du second ordre avec dissipation evanescente. La deuxième partie de cette thése (articles 3 à 6) est consacrée à l'étude de plusieurs algorithmes de type proximal. Nous montrons que ces algorithmes convergent vers des solutions de certains problèmes de minimisation. Dans chaque cas, une application est donnée dans le cadre de la décomposition de domaine pour les EDP.

On s’intéresse dans cette thèse à la PGD (Proper Generalized Decomposition), l’une des méthodes de réduction de modèles qui consiste à chercher, a priori, la solution d’une équation aux dérivées partielles sous forme de variables séparées. Ce travail est formé de cinq chapitres dans lesquels on vise à étendre la PGD aux espaces fractionnaires et aux espaces des fonctions à variation bornée, et à donner des interprétations théoriques de cette méthode pour une classe de problèmes elliptiques et paraboliques. Dans le premier chapitre, on fait un bref aperçu sur la littérature puis on présente les notions et outils mathématiques utilisés dans le corps de la thèse. Dans le second chapitre, la convergence des suites des directions alternées (AM) pour une classe de problèmes variationnels elliptiques est étudiée. Sous une condition de non-orthogonalité uniforme entre les itérés et le terme source, on montre que ces suites sont en général bornées et compactes. Alors, si en particulier la suite (AM) converge faiblement alors elle converge fortement et la limite serait la solution du problème de minimisation alternée. Dans le troisième chapitre, on introduit la notion des dérivées fractionnaires au sens de Riemann-Liouville puis on considère un problème variationnel qui est une généralisation d’ordre fractionnaire de l’équation de Poisson. En se basant sur la nature quadratique et la décomposabilité de l’énergie associée, on démontre que la suite PGD progressive converge fortement vers la solution faible de ce problème. Dans le quatrième chapitre, on profite de la structure tensorielle des espaces BV par rapport à la topologie faible étoile pour définir les suites PGD dans ce type d’espaces. La convergence de telle suite reste une question ouverte. Le dernier chapitre est consacré à l’équation de la chaleur d-dimensionnelle, où on discrétise en temps puis à chaque pas de temps on cherche la solution de l’équation elliptique en utilisant la PGD. On montre alors que la fonction affine par morceaux en temps obtenue à partir des solutions construites en utilisant la PGD converge vers la solution faible de l’équation. / In this thesis, we are interested in the PGD (Proper Generalized Decomposition), one of the reduced order models which consists in searching, a priori, the solution of a partial differential equation in a separated form. This work is composed of five chapters in which we aim to extend the PGD to the fractional spaces and the spaces of functions of bounded variation and to give theoretical interpretations of this method for a class of elliptic and parabolic problems. In the first chapter, we give a brief review of the litterature and then we introduce the mathematical notions and tools used in this work. In the second chapter, the convergence of rank-one alternating minimisation AM algorithms for a class of variational linear elliptic equations is studied. We show that rank-one AM sequences are in general bounded in the ambient Hilbert space and are compact if a uniform non-orthogonality condition between iterates and the reaction term is fulfilled. In particular, if a rank-one (AM) sequence is weakly convergent then it converges strongly and the common limit is a solution of the alternating minimization problem. In the third chapter, we introduce the notion of fractional derivatives in the sense of Riemann-Liouville and then we consider a variational problem which is a generalization of fractional order of the Poisson equation. Basing on the quadratic nature and the decomposability of the associated energy, we prove that the progressive PGD sequence converges strongly towards the weak solution of this problem. In the fourth chapter, we benefit from tensorial structure of the spaces BV with respect to the weak-star topology to define the PGD sequences in this type of spaces. The convergence of this sequence remains an open question. The last chapter is devoted to the d-dimensional heat equation, we discretize in time and then at each time step one seeks the solution of the elliptic equation using the PGD. Then, we show that the piecewise linear function in time obtained from the solutions constructed using the PGD converges to the weak solution of the equation.

Nous proposons dans cette thèse de développer une méthode de restauration aveugle d'images flouées et bruitées où aucune connaissance a priori n'est exigée. Ce manuscrit est composé de trois chapitres : le 1er chapitre est consacré aux travaux de l'état de l'art. Les approches d'optimisation pour la résolution du problème de restauration y sont d'abord discutées. Ensuite les principales méthodes de restauration, dites semi-aveugles car nécessitant un minimum de connaissance a priori sont analysées. Parmi ces méthodes, cinq sont retenues pour évaluation. Le 2ème chapitre est dédié à la comparaison des performances des méthodes retenues dans le chapitre précédent. Les principaux critères objectifs d'évaluation de la qualité des images restaurées sont présentés. Parmi ces critères, la norme L1 de l'erreur d'estimation est sélectionnée. L'étude comparative menée sur une banque d'images monochromes, dégradées artificiellement par deux fonctions floues de supports différents et trois niveaux de bruit a permis de mettre en évidence les deux méthodes les plus pertinentes. La première repose sur une approche alternée mono-échelle où la PSF et l'image sont estimées dans une seule étape. La seconde utilise une approche hybride multi-échelle qui consiste tout d'abord à estimer de manière alternée la PSF et une image latente, puis dans une étape suivante séquentielle, à restaurer l'image. Dans l'étude comparative conduite, l'avantage revient à cette dernière. Les performances de ces méthodes serviront de référence pour comparer ensuite la méthode développée. Le 3ème chapitre porte sur la méthode développée. Nous avons cherché à rendre aveugle l'approche hybride retenue dans le chapitre précédent tout en améliorant la qualité d'estimation de la PSF et de l'image restaurée. Les contributions ont porté sur plusieurs points. Une première série d'améliorations concerne la redéfinition des échelles, celle de l'initialisation de l'image latente à chaque niveau d'échelle, l'évolution des paramètres pour la sélection des contours pertinents servant de support à l'estimation de la PSF et enfin, la définition d'un critère d'arrêt aveugle. Une seconde série de contributions a porté sur l'estimation aveugle des deux paramètres de régularisation impliqués pour éviter d'avoir à les fixer empiriquement. Chaque paramètre est associé à une fonction coût distincte l'une pour l'estimation de la PSF et la seconde pour l'estimation d'une image latente. Dans l'étape séquentielle qui suit, nous avons cherché à affiner le support de la PSF estimée dans l'étape alternée, avant de l'exploiter dans le processus de restauration de l'image. A ce niveau, la seule connaissance a priori nécessaire est une borne supérieure du support de la PSF. Les différentes évaluations conduites sur des images monochromes et hyperspectrales dégradées artificiellement par plusieurs flous de type mouvement, de supports différents, montrent une nette amélioration de la qualité de restauration obtenue par l'approche développée par rapport aux deux meilleures approches de l'état de l'art retenues. / We propose in this thesis manuscript to develop a blind restoration method of single component blurred and noisy images where no prior knowledge is required. This manuscript is composed of three chapters: the first chapter focuses on state-of-art works. The optimization approaches for resolving the restoration problem are discussed first. Then, the main methods of restoration, so-called semi-blind ones because requiring a minimum of a priori knowledge are analysed. Five of these methods are selected for evaluation. The second chapter is devoted to comparing the performance of the methods selected in the previous chapter. The main objective criteria for evaluating the quality of the restored images are presented. Of these criteria, the l1 norm for the estimation error is selected. The comparative study conducted on a database of monochromatic images, artificially degraded by two blurred functions with different support size and three levels of noise, revealed the most two relevant methods. The first one is based on a single-scale alternating approach where both the PSF and the image are estimated alternatively. The second one uses a multi-scale hybrid approach, which consists first of alternatingly estimating the PSF and a latent image, then in a sequential next step, restoring the image. In the comparative study performed, the benefit goes to the latter. The performance of both these methods will be used as references to then compare the newly designed method. The third chapter deals with the developed method. We have sought to make the hybrid approach retained in the previous chapter as blind as possible while improving the quality of estimation of both the PSF and the restored image. The contributions covers a number of points. A first series concerns the redefinition of the scales that of the initialization of the latent image at each scale level, the evolution of the parameters for the selection of the relevant contours supporting the estimation of the PSF and finally the definition of a blind stop criterion. A second series of contributions concentrates on the blind estimation of the two regularization parameters involved in order to avoid having to fix them empirically. Each parameter is associated with a separate cost function either for the PSF estimation or for the estimation of a latent image. In the sequential step that follows, we refine the estimation of the support of the PSF estimated in the previous alternated step, before exploiting it in the process of restoring the image. At this level, the only a priori knowledge necessary is a higher bound of the support of the PSF. The different evaluations performed on monochromatic and hyperspectral images artificially degraded by several motion-type blurs with different support sizes, show a clear improvement in the quality of restoration obtained by the newly designed method in comparison to the best two state-of-the-art methods retained.

La première partie de cette thèse (articles I et II) est consacrée à l'étude du comportement asymptotique des solutions d'un système dynamique du second ordre avec dissipation évanescente. Le système dynamique est étudié dans sa version continue et dans sa version discrète via un algorithme.La deuxième partie de cette thèse (articles III à VI) est consacrée à l'étude de plusieurs algorithmes de type proximal. Nous montrons que ces algorithmes convergent vers des solutions de certains problèmes de minimisation. Dans chaque cas, une application est donnée dans le cadre de la décomposition de domaine pour les EDP. / The first part of this thesis is devoted to the study of the asymptotic behavior of solutions of a second order dynamic system with vanishing dissipation. The dynamic system is studied in its continuous version and in its discrete version via an algorithm.The second part is about the study of several proximal-type algorithms. We show that these algorithms converge to solutions of some minimization problems. In each case, an application is given in the area of domain decomposition for PDE's.