En télédétection, les cartes de contours peuvent servir, entre autres choses, à la restitution géométrique, à la recherche d'éléments linéaires, ainsi qu'à la segmentation. La création de ces cartes est faite relativement tôt dans la chaîne de traitements d'une image. Pour assurer la qualité des opérations subséquentes, il faut veiller à obtenir une carte de contours précise. Notre problématique est de savoir s'il est possible de diminuer la perte de temps liée au choix d'algorithme et de paramètre en corrigeant automatiquement la carte de contours. Nous concentrerons donc nos efforts sur le développement d'une méthode de détection/restauration de contours adaptative. Notre méthode s'inspire d'une technique de prédiction des performances d'algorithmes de bas niveau. Elle consiste à intégrer un traitement par réseau de neurones à une méthode"classique" de détection de contours. Plus précisément, nous proposons de combiner la carte de performances avec la carte de gradient pour permettre des décisions plus exactes. La présente étude a permis de développer un logiciel comprenant un réseau de neurones entraîné pour prédire la présence de contours. Ce réseau de neurones permet d'améliorer les décisions de détecteurs de contours, en réduisant le nombre de pixels de fausses alarmes et de contours manqués. La première étape de ce travail consiste en une méthode d'évaluation de performance pour les cartes de contours. Une fois ce choix effectué, il devient possible de comparer les cartes entre elles. Il est donc plus aisé de déterminer, pour chaque image, la meilleure détection de contours. La revue de la littérature réalisée simultanément a permis de faire un choix d'un groupe d'indicateurs prometteurs pour la restauration de contours. Ces derniers ont servi à la calibration et à l'entrainement d'un réseau de neurones pour modéliser les contours. Par la suite, l'information fournie par ce réseau a été combinée par multiplication arithmétique avec les cartes d'amplitudes de détecteurs"classiques" afin de fournir de nouvelles cartes d'amplitude du gradient. Le seuillage de ces contours donne des cartes de contours"optimisées". Sur les images aéroportées du jeu de données South Florida, la médiane des mesures-F de la pour l'algorithme de Sobel passe de 51,3 % avant la fusion à 56,4 % après. La médiane des mesures-F pour l'algorithme de Kirsch amélioré est de 56,3 % et celle de Frei-Chen amélioré est de 56,3 %. Pour l'algorithme de Sobel avec seuillage adaptatif, la mesure-F médiane est de 52,3 % avant fusion et de 57,2 % après fusion.En guise de comparaison, la mesure-F médiane pour le détecteur de Moon, mathématiquement optimal pour contours de type"rampe", est de 53,3 % et celle de l'algorithme de Canny, est de 61,1 %. L'applicabilité de notre algorithme se limite aux images qui, après filtrage, ont un rapport signal sur bruit supérieur ou égal à 20. Sur les photos au sol du jeu de données de South Florida, les résultats sont comparables à ceux obtenus sur les images aéroportées. Par contre, sur le jeu de données de Berkeley, les résultats n'ont pas été concluants. Sur une imagette IKONOS du campus de l'Université de Sherbrooke, pour l'algorithme de Sobel, la mesure-F est de 45,7 % «0,9 % avant la fusion et de 50,8 % après. Sur une imagette IKONOS de l'Agence Spatiale Canadienne, pour l'algorithme de Sobel avec seuillage adaptatif, la mesure-F est de 35,4 % «0,9 % avant la fusion et de 42,2 % après. Sur cette même image, l'algorithme de Argyle (Canny sans post-traitement) a une mesure-F de 35,1 % «0,9 % avant fusion et de 39,5 % après. Nos travaux ont permis d'améliorer la banque d'indicateurs de Chalmond, rendant possible le prétraitement avant le seuillage de la carte de gradient. À chaque étape, nous proposons un choix de paramètres permettant d'utiliser efficacement la méthode proposée. Les contours corrigés sont plus fins, plus complets et mieux localisés que les contours originaux. Une étude de sensibilité a été effectuée et permet de mieux comprendre la contribution de chaque indicateur. L'efficacité de l'outil développé est comparable à celle d'autres méthodes de détection de contours et en fait un choix intéressant pour la détection de contours. Les différences de qualité observées entre notre méthode et celle de Canny semble être dues à l'utilisation, ou non, de post-traitements. Grâce au logiciel développé, il est possible de réutiliser la méthodologie; cette dernière a permis d'opérationnaliser la méthode proposée. La possibilité de réutiliser le filtre, sans réentrainement est intéressante. La simplicité du paramétrage lors de l'utilisation est aussi un avantage. Ces deux facteurs répondent à un besoin de réduire le temps d'utilisation du logiciel.

Les méthodes standard de pansharpening visent à fusionner une image panchromatique avec une image multispectrale afin de générer une image possédant la haute résolution spatiale de la première et la haute résolution spectrale de la dernière. Durant la dernière décennie, beaucoup de méthodes de pansharpening utilisant des images multispectrales furent créées. Avec la disponibilité croissante d’images hyperspectrales, ces méthodes s’étendent maintenant au pansharpening hyperspectral, c’est-à-dire à la fusion d’une image panchromatique possédant une très bonne résolution spatiale avec une image hyperspectrale possédant une résolution spatiale plus faible. Toutefois les méthodes de pansharpening hyperspectrale issues de l’état de l’art ignorent souvent le problème des pixels mixtes. Le but de ses méthodes est de préserver l’information spectrale tout en améliorant l’information spatiale. Dans cette thèse, dans une première partie, nous présentons et analysons les méthodes de l’état de l’art afin de les analyser pour connaitre leurs performances et leurs limitations. Dans une seconde partie, nous présentons une approche qui s’occupe du cas des pixels mixtes en intégrant une étape pré-fusion pour les démélanger. Cette méthode améliore les résultats en ajoutant de l’information spectrale qui n’est pas présente dans l’image hyperspectrale à cause des pixels mixtes. Les performances de notre méthode sont évaluées sur différents jeux de données possédant des résolutions spatiales et spectrales différentes correspondant à des environnements différents. Notre méthode sera évaluée en comparaison avec les méthodes de l’état de l’art à une échelle globale et locale. / Standard pansharpening aims at fusing a panchromatic image with a multispectral image in order to synthesize an image with the high spatial resolution of the former and the spectral resolution of the latter. In the last decade many pansharpening algorithms have been presented in the literature using multispectral data. With the increasing availability of hyperspectral systems, these methods are now extending to hyperspectral pansharpening, i.e. the fusion of a panchromatic image with a high spatial resolution and a hyperspectral image with a coarser spatial resolution. However, state of the art hyperspectral pansharpening methods usually do not consider the problem of the mixed pixels. Their goal is solely to preserve the spectral information while adding spatial information. In this thesis, in a first part, we present the state-of-the-art methods and analysed them to identified there performances and limitations. In a second part, we present an approach to actually deal with mixed pixels as a pre-processing step before performing the fusion. This improves the result by adding missing spectral information that is not directly available in the hyperspectral image because of the mixed pixels. The performances of our proposed approach are assessed on different real data sets, with different spectral and spatial resolutions and corresponding to different contexts. They are compared qualitatively and quantitatively with state of the art methods, both at a global and a local scale.

Les satellites de type SPOT, Ikonos ou Quickbird fournissent des images possédant des caractéristiques différentes: d'une part des images de basse résolution spectrale et de haute résolution spatiale, et d'autre part, des images de caractéristiques opposées, c'est-à-dire de haute résolution spectrale combinée à une basse résolution spatiale. De nombreuses applications nécessitent de combiner ces hautes résolutions spatiales et spectrales. Ce travail s'insère dans la synthèse d'images multispectrales à haute résolution au moyen de la fusion d'images. La constatation de lacunes dans la littérature à propos de l'évaluation de la qualité, a mené à l'établissement d'un protocole d'évaluation de la qualité, correspondant à une généralisation de deux travaux précédents. Une étude empirique sur l'évolution de la qualité des produits de fusion dans les échelles complète ce protocole. Une catégorisation des nombreuses distances de la littérature est proposée. Nous ajoutons une nouvelle distance pour caractériser la qualité géométrique des produits de fusion basée sur la fonction de transfert de modulation, que nous avons validée grâce à l'imagerie Ikonos et à son application à quelques méthodes de fusion connues. La sélection d'une série de distances sous forme de bilan de qualité est discutée dans le but d'obtenir une idée de la qualité qui soit la plus complète possible. Puisque nous disposons des outils nécessaires à l'évaluation de la qualité, nous pouvons désormais les exploiter pour le développement de nouvelles méthodes de fusion. Nous avons choisi le concept ARSIS comme cadre de développement car, d'une part, ses différentes implantations donnent généralement de bons bilans de qualité, d'autre part, leur qualité visuelle a été parfois controversée. Une campagne d'évaluation de la qualité visuelle des produits de fusion a permis de répertorier, de classer puis d'expliquer la formation des artefacts de quelques implantations ARSIS. L'étude critique de ces méthodes a mené au développement de trois nouvelles méthodes de fusion qui s'appuient aussi sur des outils extérieurs au concept. Ces nouvelles méthodes sont testées lors d'une seconde campagne d'expérimentation. Une des nouvelles méthodes offre de meilleurs résultats que la méthode de référence choisie. Les expérimentateurs l'ont déclarée acceptable et recommandable pour une utilisation dans le cadre d'une exploitation opérationnelle au sein du ministère de la défense.

Après une présentation de la transformée en ondelettes et de l'analyse multirésolution ainsi que de leur mise en oeuvre, nous présentons, dans ce mémoire, les apports de ces deux outils à deux problèmes de télédétection : la fusion de données issues de capteurs de résolutions spatiales et spectrales différentes et le traitement du speckle dans l'imagerie radar. Dans le cadre de la fusion de données, nous avons développé une méthode, basée sur ces deux outils et permettant d'obtenir des images ayant la meilleure des résolutions spatiales présentes dans le groupe d'images à fusionner tout en préservant la qualité de l'information spectrale pour les phénomènes qu'ils représentent. L'utilisation de ces deux outils pour le traitement du speckle dans l'imagerie radar a permis l'amélioration des performances d'un filtre du point de vue de la qualité radiométrique. La démarche employée n'est pas limitée à un seul filtre et permettra d'obtenir une réduction importante du speckle dans les zones homogènes tout en préservant l'information géométrique présente dans l'image. Les apports de la transformée en ondelettes et de l'analyse multirésolution et les perspectives de l'utilisation de ces outils dans le cadre de la télédétection sont discutés.