La caractérisation des dynamiques de sous-mésoéchelle (<10km) à la surface de l'océan et leurs impacts sur les processus océaniques globaux sont des enjeux scientifiques majeurs. L'imagerie satellitaire est un outil essentiel dans ce contexte, qui présente toutefois des limitations liées aux instruments de télédétection. Dans le cas des images de température de surface des océans (SST), les mesures satellitaires des structures océaniques sont limitées par la résolution grossière des capteurs micro-ondes (~50km) d'une part, et par la sensibilité aux conditions climatiques (e.g., couverture nuageuse) des instruments de mesure infrarouge haute-résolution. Dans cette thèse, nous nous intéressons à l'analyse, la modélisation et la reconstruction des structures turbulentes haute-résolution capturées par imagerie satellitaire de SST, et proposons quatre contributions principales. Dans un premier temps, nous développons une méthode de filtrage conjointe Fourier-ondelettes pour le prétraitement d'artefacts géométriques dans les observations satellitaires infrarouges. Dans un deuxième temps, nous nous focalisons sur la caractérisation de la variabilité géométrique de champs de température de surface (SST) en utilisant des modèles de marches aléatoires appliqués aux lignes de niveaux. En particulier, nous considérons des processus aléatoires de type schramm Loewner (SLE). Nous nous intéressons ensuite à la modélisation stochastique des variabilités inter-échelles de champs de SST. Des modèles stochastiques de textures multivariées sont introduits. Ces modèles permettent de reproduire des propriétés statistiques et spectrales similaires à celles des données ayant servi à les calibrer. Nous développons ensuite des méthodes de super-résolution de champs de SST conditionnellement à une observation basse-résolution. Nous utilisons des modèles multivariés de textures formulés dans le domaine des ondelettes, en exploitant l'apprentissage d'à priori statistiques (i.e., covariances et covariances croisées) des différentes sous-bandes à partir d'images haute-résolution. Des contraintes supplémentaires imposées sur la phase de Fourier des différentes sous-bandes simulées permettent la reconstruction de structures géométriques marquées tels que les fronts. Nous démontrons la pertinence de la méthode proposée sur des images satellitaires de SST obtenues à partir du capteur Modis/Aqua. / The characterization of sub-mesoscale dynamics (<10 km) in the ocean surface and their impact on global ocean processes are major scientific issues. Satellite imagery is an essential tool within this framework. However, the use of remote sensing techniques still raise challenging. For instance, regarding Sea Surface Temperature (SST) images, satellite measurements of oceanic structures are limited by the coarse resolution of microwave sensors (~50km) on one hand, and by sensitivity to climatic conditions (eg., Cloud cover) of high-resolution infrared instruments on the other hand. In this thesis, we are interested in analysis, modeling and reconstruction of high-resolution turbulent structures captured by satellite SST imagery. In this context, we propose four main contributions. First, we develop a joint Fourier-Wavelet filtering method for the pre-processing of geometrical noises in satellite-based infrared observations, namely the striping noises. Secondly, we focus on the characterization of the geometric variability of sea surface temperature (SST) fields using random walk models applied to SST isolines. In particular, we consider the class of Schramm Loewner evolution curves (SLE). We then focus on the stochastic modeling of the cross-scale variabilities of SST fields. Stochastic multivariate texture-based models are introduced. These models are designed to reproduce several statistics and spectral properties that are observed on the data that are used to calibrate the model. We then develop our framework for stochastic super-resolution of SST fields conditionally to low-resolution observations. We use multivariate texture-based models formulated in the wavelet domain. These models exploit the formulation of statistical and spectral priors (i.e., covariances and cross-covariances) on wavelet subbands. These priors are directly learned from exemplar high-resolution images. Additional constraints imposed on the Fourier-phase of the different simulated subbands allow the reconstruction of coherent geometric structures such as the edge information. Our method is tested and validated using infrared high-resolution satellite SST images provided by Aqua Modis sensor.

Cette thèse porte sur la géométrie du champ libre Gaussien. Le champ libre Gaussien est un objet central en théorie quantique des champs et représente entre autre les fluctuations naturelles d'un potentiel électrique ou d’un modèle de dimères. La thèse commence dans le discret avec la démonstration d'un principe de Donsker en dimension plus grande que 1. Ce résultat est établi grâce à une nouvelle façon de représenter le champ libre en exprimant son gradient comme la partie gradient d'un champ de bruits blancs. Ensuite, les processus d'exploration du champ libre - ou ensembles locaux - introduits par Schramm-Sheffield sont étudiés en détail. Ces ensembles locaux généralisent de façon naturelle le concept de temps d'arrêt. On formalise cette théorie d'une nouvelle manière en procédant par analogie au cas 1D. Pour mieux comprendre le comportement du champs libre près des points d'intersection des ensembles locaux, un étude fine des oscillations du champ libre 2D près du bord s'avère utile. Enfin, la partie principale de cette thèse étudie des processus d'explorations particuliers – les processus SLE qui sont couplés naturellement avec le champ libre. On peut donner par exemple un sens aux lignes de niveau en utilisant le processus SLE_4 (Schramm-Sheffield). Nous avons utilisé ce couplage pour mieux comprendre la relation dite de KPZ qui intervient dans la théorie de la gravité quantique de Liouville. A l ‘aide de résultats fins sur l’enroulement des SLEs, nous avons montré comment adapter la relation de KPZ à la famille ci-dessus de processus d’explorations du champ libre. On peut interpréter ces résultats aussi comme une description de la géométrie du champ libre près des ces lignes d’exploration. / In this thesis we study the geometry of the Gaussian free field (GFF). After a gentle general introduction, we describe what we call the Hodge decomposition of the white noise – a way to represent the white noise vector field as a sum of a gradient and a rotation of independent GFFs. This decomposition gives rise to the Donsker invariance principle for the GFF.Next, we revisit from a slightly different angle the theory of so-called local sets of the GFF, introduced by Schramm and Sheffield. These random sets allow one to study the geometry of the GFF in a Markovian way. We also go a step further in describing the behaviour of the field near the boundary of possibly several local sets. The first chapter ends with a study of boundary oscillations of the GFF.The GFF is only a generalized function, yet it comes out that one can still make sense of it as a „random landscape“. In particular, Schramm and Sheffield gave meaning to the level lines of the GFF in terms of a coupling with SLE_4 process. In chapter 2 we study this coupling and describe the existent proofs and a non-proof of measurability of the SLE_4 process in this coupling. The rest of this chapter contains one of the most technical parts of the thesis – we obtain fine estimates on the winding of the SLE curves, conditioned to pass closely by a fixed point.This technical work is put in use in chapter 3, where we study the so called KPZ relation. In this context, the KPZ formula relates fractal dimensions of sets under the Euclidean geometry and under the „quantum geometry“ given by the exponential of the GFF. So far the KPZ formula was derived for planar sets independent of the quantum geometry. Here, we determine the KPZ formulas for sets that are naturally coupled with the quantum geometry – for the flow and level lines of the GFF. The family of KPZ formulas obtained resemble but still differ from the KPZ formula for independent sets.