Cette thèse de doctorat porte sur l'analyse des dommages et sur l'évaluation des coûts induits sur les habitations par les submersions marines. L'étude se base sur les données d'assurance de deux évènements récents ayant touché la France et causé des submersions sur les côtes bretonnes et atlantiques : les tempêtes Johanna (mars 2008) et Xynthia (février 2010).Dans un premier temps, l'analyse des données d'expertise et d'indemnisation d'assurance, en lien avec celle des paramètres de l'aléa et des enjeux exposés, a eu pour but la meilleure compréhension des différents types de dommages, et l'explication des coûts observés. En parallèle, un travail de modélisation de l'aléa a été réalisé à une échelle régionale, afin de déterminer des indicateurs des forçages météo-marins, et à une échelle locale, afin de préciser les processus d'endommagement sur les sites étudiés pour les deux tempêtes. La caractérisation de la vulnérabilité et de la valeur des enjeux (coûts de construction) a été menée à l'aide de différents paramètres issus de bases de données nationales (INSEE et IGN) et de campagnes de terrain.Dans un second temps, les informations recueillies ont permis la construction de modèles empiriques de prédiction du coût des dommages aux habitations spécifiques à l'aléa submersion marine, outils aujourd'hui inexistants en France. Les différents types de modèles testés sont basés sur des approches statistiques univariées (fonctions d'endommagement) et multivariées. L'apport des données d'assurance à la réalisation de tels modèles est discuté, et des recommandations ainsi que des perspectives de recherche sont évoquées, afin de rendre ces modèles opérationnels et d'augmenter leur capacité de prédiction des coûts d'évènements catastrophiques futurs.

Le travail présenté dans cette thèse a pour objectif d’évaluer le potentiel de modèles probabilistes multivariés appliqués sur les sous-bandes d’une décomposition en ondelettes pour la classification d’images de télédétection optiques à très haute résolution spatiale. Trois thématiques principales ont été investiguées dans ce travail : la différenciation de classes d’âge de peuplements de pins maritimes, la détection de parcelles viticoles et la détection de parcs ostréicoles. Une contribution originale concerne la proposition d’une chaîne traitement pour une classification supervisée orientée objet se basant sur des mesures de similarité adaptées au contexte de modélisation probabiliste. Celle-ci implique la création d’une base de données de patchs de texture pour l’apprentissage et l’utilisation d’une pré-segmentation de l’image à classifier. Les modèles probabilistes multivariés testés ont tout d’abord été évalués dans une procédure d’indexation d’images. Les modèles les plus performants identifiés par cette procédure ont été ensuite appliqués dans la chaîne de traitement proposée. Dans les trois thématiques explorées, les modèles multivariés ont révélé des capacités remarquables de représentation de la texture et ont permis d’obtenir une qualité de classification supérieure à celle obtenue par la méthode des matrices de co-occurrence. Ces résultats démontrent l’intérêt de la représentation multi-échelles et multi-orientations de la texture dans l’espace transformé en ondelettes et la pertinence de la modélisation multivariée des coefficients d’ondelettes issus de cette décomposition. / The prime objective of this thesis is to evaluate the potential of multivariate probabilistic models applied on wavelet subbands for the classification of very high resolution remote sensing optical data. Three main applications are investigated in this study: the differentiation of age classes of maritime pine forest stands, the detection of vineyards and the detection of oyster fields. One main contribution includes the proposal of an original supervised and object-oriented classification scheme based on similarity measurements adapted to the context of probabilistic modeling. This scheme involves the creation of a database of texture patches for the learning step and a pre-segmentation of the image to classify. The tested multivariate models were first evaluated in an image retrieval framework. The best models identified in this procedure were then applied in the proposed image processing scheme. In the three proposed thematic applications, multivariate models revealed remarkable abilities to represent the texture and reached higher classification accuracies than the method based on co-occurrence matrices. These results confirm the interest of the multi-scale and multi-orientation representation of textures through the wavelet transform, as well as the relevance of the multivariate modeling of wavelet coefficients

Le travail présenté dans cette thèse s’inscrit dans le cadre de la modélisation d’images texturées à l’aide des représentations multi-échelles et multi-orientations. Partant des résultats d’études en neurosciences assimilant le mécanisme de la perception humaine à un schéma sélectif spatio-fréquentiel, nous proposons de caractériser les images texturées par des modèles probabilistes associés aux coefficients des sous-bandes. Nos contributions dans ce contexte concernent dans un premier temps la proposition de différents modèles probabilistes permettant de prendre en compte le caractère leptokurtique ainsi que l’éventuelle asymétrie des distributions marginales associées à un contenu texturée. Premièrement, afin de modéliser analytiquement les statistiques marginales des sous-bandes, nous introduisons le modèle Gaussien généralisé asymétrique. Deuxièmement, nous proposons deux familles de modèles multivariés afin de prendre en compte les dépendances entre coefficients des sous-bandes. La première famille regroupe les processus à invariance sphérique pour laquelle nous montrons qu’il est pertinent d’associer une distribution caractéristique de type Weibull. Concernant la seconde famille, il s’agit des lois multivariées à copules. Après détermination de la copule caractérisant la structure de la dépendance adaptée à la texture, nous proposons une extension multivariée de la distribution Gaussienne généralisée asymétrique à l’aide de la copule Gaussienne. L’ensemble des modèles proposés est comparé quantitativement en terme de qualité d’ajustement à l’aide de tests statistiques d’adéquation dans un cadre univarié et multivarié. Enfin, une dernière partie de notre étude concerne la validation expérimentale des performances de nos modèles à travers une application de recherche d’images par le contenu textural. Pour ce faire, nous dérivons des expressions analytiques de métriques probabilistes mesurant la similarité entre les modèles introduits, ce qui constitue selon nous une troisième contribution de ce travail. Finalement, une étude comparative est menée visant à confronter les modèles probabilistes proposés à ceux de l’état de l’art. / In this thesis we study the statistical modeling of textured images using multi-scale and multi-orientation representations. Based on the results of studies in neuroscience assimilating the human perception mechanism to a selective spatial frequency scheme, we propose to characterize textures by probabilistic models of subband coefficients.Our contributions in this context consist firstly in the proposition of probabilistic models taking into account the leptokurtic nature and the asymmetry of the marginal distributions associated with a textured content. First, to model analytically the marginal statistics of subbands, we introduce the asymmetric generalized Gaussian model. Second, we propose two families of multivariate models to take into account the dependencies between subbands coefficients. The first family includes the spherically invariant processes that we characterize using Weibull distribution. The second family is this of copula based multivariate models. After determination of the copula characterizing the dependence structure adapted to the texture, we propose a multivariate extension of the asymmetric generalized Gaussian distribution using Gaussian copula. All proposed models are compared quantitatively using both univariate and multivariate statistical goodness of fit tests. Finally, the last part of our study concerns the experimental validation of the performance of proposed models through texture based image retrieval. To do this, we derive closed-form metrics measuring the similarity between probabilistic models introduced, which we believe is the third contribution of this work. A comparative study is conducted to compare the proposed probabilistic models to those of the state-of-the-art.

Cette thèse de doctorat porte sur l’analyse des dommages et sur l’évaluation des coûts induits sur les habitations par les submersions marines. L’étude se base sur les données d’assurance de deux évènements récents ayant touché la France et causé des submersions sur les côtes bretonnes et atlantiques : les tempêtes Johanna (mars 2008) et Xynthia (février 2010).Dans un premier temps, l’analyse des données d’expertise et d’indemnisation d’assurance, en lien avec celle des paramètres de l’aléa et des enjeux exposés, a eu pour but la meilleure compréhension des différents types de dommages, et l’explication des coûts observés. En parallèle, un travail de modélisation de l’aléa a été réalisé à une échelle régionale, afin de déterminer des indicateurs des forçages météo-marins, et à une échelle locale, afin de préciser les processus d’endommagement sur les sites étudiés pour les deux tempêtes. La caractérisation de la vulnérabilité et de la valeur des enjeux (coûts de construction) a été menée à l’aide de différents paramètres issus de bases de données nationales (INSEE et IGN) et de campagnes de terrain.Dans un second temps, les informations recueillies ont permis la construction de modèles empiriques de prédiction du coût des dommages aux habitations spécifiques à l’aléa submersion marine, outils aujourd’hui inexistants en France. Les différents types de modèles testés sont basés sur des approches statistiques univariées (fonctions d’endommagement) et multivariées. L’apport des données d’assurance à la réalisation de tels modèles est discuté, et des recommandations ainsi que des perspectives de recherche sont évoquées, afin de rendre ces modèles opérationnels et d’augmenter leur capacité de prédiction des coûts d’évènements catastrophiques futurs. / This PhD work aims at analysing damage and evaluating costs related to coastal flooding on residential buildings. The study is based on insurance data from two recent storm events, which caused coastal flooding in the Brittany and Atlantic regions in France: the storms Johanna (March 2008) and Xynthia (February 2010).At first, the analysis of insurance indemnities and loss adjustment data, in connection with hazard parameters, and exposed assets characteristics, allowed a better understanding of the different types of damage and costs observed. At the same time, hazard models were carried out at a regional level, in order to identify meteorological forcing indicators, and at a local level, in order to link damages to the associated physical flooding processes on the studied sites. The characterization of the asset’s vulnerability and values (construction costs) was conducted using different parameters from national databases (INSEE and IGN) and field survey.In a second step, empirical cost-assessment models were built on the basis of the data analysed, using univariate (damage functions) and multivariate statistical approaches. This study is the first attempt in France to elaborate models for the prediction of damage costs linked to coastal flooding on housing. The contribution of insurance data to the implementation of such models is discussed, and recommendations and research perspectives are expressed, in order to make the models operational and to increase their capacity to predict future catastrophic events costs.

Le travail présenté dans cette thèse s'inscrit dans le cadre de la modélisation d'images texturées à l'aide des représentations multi-échelles et multi-orientations. Partant des résultats d'études en neurosciences assimilant le mécanisme de la perception humaine à un schéma sélectif spatio-fréquentiel, nous proposons de caractériser les images texturées par des modèles probabilistes associés aux coefficients des sous-bandes. Nos contributions dans ce contexte concernent dans un premier temps la proposition de différents modèles probabilistes permettant de prendre en compte le caractère leptokurtique ainsi que l'éventuelle asymétrie des distributions marginales associées à un contenu texturée. Premièrement, afin de modéliser analytiquement les statistiques marginales des sous-bandes, nous introduisons le modèle Gaussien généralisé asymétrique. Deuxièmement, nous proposons deux familles de modèles multivariés afin de prendre en compte les dépendances entre coefficients des sous-bandes. La première famille regroupe les processus à invariance sphérique pour laquelle nous montrons qu'il est pertinent d'associer une distribution caractéristique de type Weibull. Concernant la seconde famille, il s'agit des lois multivariées à copules. Après détermination de la copule caractérisant la structure de la dépendance adaptée à la texture, nous proposons une extension multivariée de la distribution Gaussienne généralisée asymétrique à l'aide de la copule Gaussienne. L'ensemble des modèles proposés est comparé quantitativement en terme de qualité d'ajustement à l'aide de tests statistiques d'adéquation dans un cadre univarié et multivarié. Enfin, une dernière partie de notre étude concerne la validation expérimentale des performances de nos modèles à travers une application de recherche d'images par le contenu textural. Pour ce faire, nous dérivons des expressions analytiques de métriques probabilistes mesurant la similarité entre les modèles introduits, ce qui constitue selon nous une troisième contribution de ce travail. Finalement, une étude comparative est menée visant à confronter les modèles probabilistes proposés à ceux de l'état de l'art.