Résumé : En télédétection, la texture facilite l’identification des classes de surfaces sur des critères de similitude d’organisation spatiale des pixels. Les méthodes d’analyse texturale utilisées en télédétection et en traitement d’image en général sont principalement proposées pour extraire la texture dans une seule bande à la fois. Pour les images multispectrales, ceci revient à extraire la texture dans chaque bande spectrale séparément. Cette stratégie ignore la dépendance qui existe entre la texture des différentes bandes (texture inter-bande) qui peut être une source d’information additionnelle aux côtés de l’information texturale classique intra-bande. La prise en charge de la texture multibande (intra- et inter-bande) engendre une complexité calculatoire importante. Dans sa recherche de solution pour l’analyse de la texture multibande, ce projet de thèse revient vers les aspects fondamentaux de l’analyse de la texture, afin de proposer un modèle de texture qui possède intrinsèquement une complexité calculatoire réduite, et cela indépendamment de l’aspect multibande de la texture. Une solution pour la texture multibande est ensuite greffée sur ce nouveau modèle, de manière à lui permettre d’hériter de sa complexité calculatoire réduite. La première partie de ce projet de recherche introduit donc un nouveau modèle l’analyse de texture appelé modèle d’unité texturale compacte (en anglais : Compact Texture Unit, C-TU). Le C-TU prend comme point de départ le modèle de spectre de texture et propose une réduction significative de sa complexité. Cette réduction est atteinte en proposant une solution générale pour une codification de la texture avec la seule information d’occurrence, sans l’information structurelle. En prenant avantage de la grande efficacité calculatoire du modèle de C-TU développé, un nouvel indice qui analyse la texture multibande comme un ensemble indissociable d’interactions spatiales intra- et inter-bandes est proposé. Cet indice, dit C-TU multibande, utilise la notion de voisinage multibande afin de comparer le pixel central avec ses voisins dans la même bande et avec ceux des autres bandes spectrales. Ceci permet à l’indice de C-TU multibande d’extraire la texture de plusieurs bandes simultanément. Finalement, une nouvelle base de données de textures couleurs multibandes est proposée, pour une validation des méthodes texturales multibandes. Une série de tests visant principalement à évaluer la qualité discriminante des solutions proposées a été conduite. L’ensemble des résultats obtenus dont nous faisons rapport ici confirme que le modèle de C-TU proposé ainsi que sa version multibande sont des outils performants pour l’analyse de la texture en télédétection et en traitement d’images en général. Les tests ont également démontré que la nouvelle base de données de textures multibande possède toutes les caractéristiques nécessaires pour être utilisée en validation des méthodes de texture multibande. // Abstract : In multispectral images, texture is typically extracted independently in each band using existing grayscale texture methods. However, reducing texture of multispectral images into a set of independent grayscale texture ignores inter-band spatial interactions which can be a valuable source of information. The main obstacle for characterizing texture as intra- and inter-band spatial interactions is that the required calculations are cumbersome. In the first part of this PhD thesis, a new texture model named the Compact Texture Unit (C-TU) model was proposed. The C-TU model is a general solution for the texture spectrum model, in order to decrease its computational complexity. This simplification comes from the fact that the C-TU model characterizes texture using only statistical information, while the texture spectrum model uses both statistical and structural information. The proposed model was evaluated using a new monoband C-TU descriptor in the context of texture classification and image retrieval. Results showed that the monoband C-TU descriptor that uses the proposed C-TU model provides performances equivalent to those delivered by the texture spectrum model but with much more lower complexity. The calculation efficiency of the proposed C-TU model is exploited in the second part of this thesis in order to propose a new descriptor for multiband texture characterization. This descriptor, named multiband C-TU, extracts texture as a set of intra- and inter-band spatial interactions simultaneously. The multiband C-TU descriptor is very simple to extract and computationally efficient. The proposed descriptor was compared with three strategies commonly adopted in remote sensing. The first is extracting texture using panchromatic data; the second is extracting texture separately from few newbands obtained by principal components transform; and the third is extracting texture separately in each spectral band. These strategies were applied using cooccurrence matrix and monoband compact texture descriptors. For all experiments, the proposed descriptor provided the best results. In the last part of this thesis, a new color texture images database is developed, named Multiband Brodatz Texture database. Images from this database have two important characteristics. First, their chromatic content, even if it is rich, does not have discriminative value, yet it contributes to form texture. Second, their textural content is characterized by high intra- and inter-band variation. These two characteristics make this database ideal for multiband texture analysis without the influence of color information.

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.