L’objectif de cette thèse était de proposer, valider et comparer des méthodes de fusion d’images provenant d’un capteur héliosynchrone multispectral et d’un capteur géostationnaire multispectral, pour produire des cartes de composition de l’eau détaillées spatialement et les mieux rafraîchies possibles. Notre méthodologie a été appliquée au capteur héliosynchrone OLCI sur Sentinel-3 et au capteur géostationnaire FCI sur Météosat Troisième Génération. Dans un premier temps, la sensibilité des deux capteurs à la couleur de l’eau a été analysée. Les images des capteurs OLCI et FCI n’étant pas encore disponibles, ont donc été simulées sur le Golfe du Lion, grâce à des cartes d’hydrosols (chlorophylle, matières en suspension et matières organiques dissoutes) et à des modèles de transfert radiatifs (Hydrolight et Modtran). Deux méthodes de fusion ont ensuite été adaptées puis testées à partir des images simulées : la méthode SSTF (Spatial, Spectral, Temporal Fusion) inspirée de la fusion de (Vanhellemont et al., 2014) et la méthode STARFM (Spatial Temporal Adaptative Reflectance Fusion Model) de (Gao et al., 2006). Les résultats de fusion ont alors été validés avec des images de référence simulées et les cartes d’hydrosols estimées à partir de ces images ont été comparées aux cartes utilisées en entrée des simulations. Pour améliorer le SNR des images FCI, un filtrage temporel a été proposé. Enfin, comme le but est d’obtenir des indicateurs de qualité de l’eau, nous avons testé les méthodes de fusion sur les cartes d’hydrosols estimées à partir des images FCI et OLCI simulées. / The objective of this thesis was to propose, validate and compare fusion methods of images provided by a Low Earth Orbit multispectral sensor and a geostationary multispectral sensor in order to obtain water composition maps with spatial details and high temporal resolution. Our methodology was applied to OLCI Low Earth Orbit sensor on Sentinel-3 and FCI Geostationary Earth Orbit (GEO) sensor on Meteosat Third Generation. Firstly, the sensor sensivity, regarding the water color, was analyzed. As the images from both sensors were not available, they were simulated on the Golf of Lion, thanks to hydrosol maps (chl, SPM and CDOM) and radiative transfer models (Hydrolight and Modtran). Two fusion methods were then adapted and tested with the simulated images: the SSTF (Spatial, Spectral, Temporal Fusion) method inspired from the method developed by (Vanhellemont et al., 2014)) and the STARFM (Spatial Temporal Adaptative Reflectance Fusion Model) method from (Gao et al., 2006)). The fusion results were then validated with the simulated reference images and by estimating the hydrosol maps from the fusion images and comparing them with the input maps of the simulation process. To improve FCI SNR, a temporal filtering was proposed. Finally, as the aim is to obtain a water quality indicator, the fusion methods were adapted and tested on the hydrosol maps estimated with the FCI and OLCI simulated images.

L'imagerie ultrasonore harmonique, qui repose sur la non linéarité du milieu de propagation, est une technique d'imagerie clinique qui améliore la résolution des images. La mesure ultrasonore du paramètre local de non linéarité d'un milieu est une voie de recherche qui amènerait de nouvelles perspectives dans le domaine de la caractérisation des tissus. Cependant, l'accès à cette information se heurte à deux écueils : d'une part il n'existe pas actuellement de méthode de mesure de ce paramètre à partir du mode écho classique et d'autre part, les outils de simulation prenant en compte la non-linéarité du milieu sont peu développés. Une méthode de spectre angulaire a donc été proposée afin de calculer le champ de pression dans des milieux de non linéarité inhomogène. Ce champ de pression est ensuite utilisé pour engendrer des images échographiques contenant l'information harmonique. Cette méthode spectrale a été portée sur GPU afin d'accélérer le calcul et a été intégrée dans un logiciel libre : CREANUIS. Dans un deuxième temps, une extension d'une méthode comparative (ECM) a été proposée pour prendre en compte des milieux de non linéarité non homogène, fonctionnant en mode écho. Grâce aux outils de simulation développés, différentes configurations ont été utilisées pour la mise au point de l'ECM qui a ensuite été validée à partir d'objets tests et in vitro sur foies d'animaux. Même si la méthode de mesure présente une résolution relativement faible, les images obtenues démontrent le potentiel de l'imagerie du paramètre de non linéarité des tissus.

L'émission et la propagation de la lumière dans les paysages terrestres (i.e. le Transfert Radiatif (TR)) conditionne leur fonctionnement et leur observation par télédétection satellite (radiomètres, Lidar). Les signaux mesurés dépendent de multiples facteurs, à la fois et. La modélisation du TR est potentiellement l'outil idéal pour relier les mesures de télédétection à certaines caractéristiques biophysiques (occupation du sol, biomasse, etc.) des paysages observés, afin d'étudier les surfaces terrestres à partir de mesures satellites, mais aussi pour la préparation des futures missions spatiales dédiées à l'observation de la Terre. Cette thèse présente le modèle Discrete Anisotropic Radiative Transfer (DART) et les améliorations récentes apportées. Ce modèle simule la propagation du rayonnement dans le système "Terre - Atmosphère" à partir de la méthode de suivi de flux ou de la méthode de suivi de photons selon un nombre fini de directions discrètes dans un paysage 3D. Les améliorations que j'ai apportées au modèle DART sont de différents types : j'ai fortement amélioré la modélisation du TR dans l'atmosphère, j'ai introduit la modélisation Lidar à partir d'une modélisation Monte-Carlo pré-existante et j'ai introduit une approche pour modéliser les couverts végétaux avec différents degrés de réalisme. En plus de ces travaux théoriques, j'ai aussi fortement contribué à l'amélioration du code, avec en particulier le passage de code en C++. Finalement, DART est devenu un modèle plus performant et donc plus efficace pour l'étude des surfaces terrestres par télédétection.

Les progrès effectués dans le domaine des instruments optiques permettent d’envisager désormais de placer des capteurs à moyenne résolution spatiale et haute résolution spectrale sur des orbites géostationnaires ce qui permettrait d’observer la Terre à la fois avec une moyenne résolution spatiale, une bonne résolution spectrale et une haute résolution temporelle, ce que ne permettent pas les satellites héliosynchrones. L'objectif de cette thèse est donc de simuler les images en luminance qui seraient acquises par un capteur géostationnaire hypothétique dédié à l'observation de la couleur de l'océan, afin de caractériser les images qui seraient acquises, de spécifier les futurs instruments et de valider des algorithmes de traitement sur des images réalistes. Pour parvenir à simuler les luminances spectrales qui seraient mesurées par le capteur, nous avons combiné les modèles de transfert radiatif directs de l'eau (Hydrolight) et de l'atmosphère (MODTRAN). Les données d’entrée d’Hydrolight ont été déduites des données provenant des cartes climatologiques de GlobColour (chlorophylle, matières minérales et organiques en suspension) pour simuler des images de couverture globale (Global Area Coverage) d'un capteur géostationnaire à basse résolution spatiale, moyenne résolution spectrale et haute résolution temporelle. L'analyse de ces images permet de déterminer la gamme de luminances pour chaque bande spectrale et pour différentes acquisitions au cours de la journée. Les résultats indiquent aussi les limites angulaires pour éviter le phénomène du sunglint et pour assurer un niveau minimum de luminance provenant de l'eau, contenu dans le signal mesuré. Les images en luminance ainsi simulées ont permis d’évaluer aussi la performance d’un algorithme d'estimation de concentration en chlorophylle de rapport de bandes dans les eaux au large. Les résultats montrent que l'erreur d'estimation est moyennement sensible aux angles d'observation et d’éclairement, importants dans les images géostationnaires. / Improvements of optical sensors now make it possible to launch medium spatial and high spectral resolution sensors on the Geostationary Earth Orbit (GEO). The GEO allows sensors to observe the Earth with high temporal resolution, unlike Low Earth Orbit (LEO) satellites. The objective of this thesis is to simulate radiance images that would be provided by a theoretical ocean color sensor, on a geostationary orbit, in order to characterize the images to be acquired, to specify the future instruments and to validate the image processing algorithms. For this purpose, we have combined a radiative transfer model for ocean waters (Hydrolight) and a radiative transfer model for the atmosphere (MODTRAN) to obtain simulated radiance images at the sea surface level and at the Top-Of-Atmosphere (TOA) level. The inputs of Hydrolight have been deduced from GlobColour Project data (chlorophyll, mineral suspended matter and organic matter) to simulate the Global Area Coverage (GAC) images of a geostationary sensor with low spatial resolution, medium spectral resolution and high temporal resolution. The analysis of these images enables to determine the radiance dynamic range for each spectral band over the day. The results indicate the angular limits to avoid the sunglint phenomenon and to ensure a minimum proportion of water leaving radiance in the measured TOA radiance. The simulated radiance images allow to evaluate the performance of an ocean color algorithm for chlorophyll concentration estimation in open waters. The results show that the error of chlorophyll estimation is moderately sensitive to observation and lighting angles, which are so important in geostationary images.

Les progrès effectués dans le domaine des instruments optiques permettent d'envisager désormais de placer des capteurs à moyenne résolution spatiale et haute résolution spectrale sur des orbites géostationnaires ce qui permettrait d'observer la Terre à la fois avec une moyenne résolution spatiale, une bonne résolution spectrale et une haute résolution temporelle, ce que ne permettent pas les satellites héliosynchrones. L'objectif de cette thèse est donc de simuler les images en luminance qui seraient acquises par un capteur géostationnaire hypothétique dédié à l'observation de la couleur de l'océan, afin de caractériser les images qui seraient acquises, de spécifier les futurs instruments et de valider des algorithmes de traitement sur des images réalistes. Pour parvenir à simuler les luminances spectrales qui seraient mesurées par le capteur, nous avons combiné les modèles de transfert radiatif directs de l'eau (Hydrolight) et de l'atmosphère (MODTRAN). Les données d'entrée d'Hydrolight ont été déduites des données provenant des cartes climatologiques de GlobColour (chlorophylle, matières minérales et organiques en suspension) pour simuler des images de couverture globale (Global Area Coverage) d'un capteur géostationnaire à basse résolution spatiale, moyenne résolution spectrale et haute résolution temporelle. L'analyse de ces images permet de déterminer la gamme de luminances pour chaque bande spectrale et pour différentes acquisitions au cours de la journée. Les résultats indiquent aussi les limites angulaires pour éviter le phénomène du sunglint et pour assurer un niveau minimum de luminance provenant de l'eau, contenu dans le signal mesuré. Les images en luminance ainsi simulées ont permis d'évaluer aussi la performance d'un algorithme d'estimation de concentration en chlorophylle de rapport de bandes dans les eaux au large. Les résultats montrent que l'erreur d'estimation est moyennement sensible aux angles d'observation et d'éclairement, importants dans les images géostationnaires.

Cette thèse porte sur la synthèse et la caractérisation de nouvelles phases bidimensionnelles par microscopie électronique in-situ, notamment la silice (SiO2), des cages nanométriques de carbone similaire à des molécules C20 et le chalcocite (β-Cu2S). Ces études ont permis de mettre en évidence les conditions préalables de croissance afin que celle-ci soit reproductible. La caractérisation de ces structures a été réalisée par imagerie haute résolution (HRTEM) ainsi que par spectroscopie de perte d’énergie (EELS). La première partie de la thèse est consacrée à l’étude de la nucléation et la croissance in-situ d’une phase cristalline 2D ordonnée et désordonnée sur différents métaux de transition (Co, Ru, Fe) ainsi qu’une phase 1D qui croît le long des marches atomiques sur la surface métallique. La seconde partie est consacrée à la croissance in-situ de cages de carbone d’un diamètre de l’ordre de 0.36 nm en présence d’un catalyseur métallique, tel que Co, Fe et Ru. La dernière partie est consacrée à l’étude de la croissance de la plus fine structure cristalline du β-Cu2S sur la surface du graphène. Toutes ces études ont été appuyées par des simulations d’images de microscopie. / The aim of this thesis is the synthesis and characterization of new two-dimensional phases in an in-situ transmission electron microscopy experiment. These studies concerned the nucleation and growth of three deferent materials: quasi-two-dimensional silica (SiO2), the smallest possible carbon cages with the size of C20, and two-dimensional chalcocite (β-Cu2S). The characterization of these structures has been performed using high resolution imaging (HRTEM) and electron energy-loss spectroscopy (EELS). The first part of this thesis is devoted to the study of the nucleation and growth of an ordered or disordered 2D crystalline phase of silica on different substrates (Co, Ru, Fe) and a 1D silica phase grown at atomic steps of a metal surface. The second part illustrates the in-situ growth of the smallest possible carbon cages with a diameter of about 0.36 nm on catalytically active metal surfaces such as Co, Fe, or Ru. The last part is devoted to the growth of the thinnest stable layer of β-Cu2S on a graphene surface. All these studies were accompanied by image simulations.

La modélisation géométrique a été l'un des sujets les plus étudiés pour la représentation des structures anatomiques dans le domaine médical. Aujourd'hui, il n'y a toujours pas de méthode bien établie pour modéliser la forme d'un organe. Cependant, il y a plusieurs types d'approches disponibles et chaque approche a ses forces et ses faiblesses. La plupart des méthodes de pointe utilisent uniquement l'information surfacique mais un besoin croissant de modéliser l'information volumique des objets apparaît. En plus de la description géométrique, il faut pouvoir différencier les objets d'une population selon leur forme. Cela nécessite de disposer des statistiques sur la forme dans organe dans une population donné. Dans ce travail de thèse, on utilise une représentation capable de modéliser les caractéristiques surfaciques et internes d'un objet. La représentation choisie (s-rep) a en plus l'avantage de permettre de déterminer les statistiques de forme pour une population d'objets. En s'appuyant sur cette représentation, une procédure pour modéliser le cortex cérébral humain est proposée. Cette nouvelle modélisation offre de nouvelles possibilités pour analyser les lésions corticales et calculer des statistiques de forme sur le cortex. La deuxième partie de ce travail propose une méthodologie pour décrire de manière paramétrique l'intérieur d'un objet. La méthode est flexible et peut améliorer l'aspect visuel ou la description des propriétés physiques d'un objet. La modélisation géométrique enrichie avec des paramètres physiques volumiques est utilisée pour la simulation d'image par résonance magnétique pour produire des simulations plus réalistes. Cette approche de simulation d'images est validée en analysant le comportement et les performances des méthodes de segmentations classiquement utilisées pour traiter des images réelles du cerveau. / Geometric modeling has been one of the most researched areas in the medical domain. Today, there is not a well established methodology to model the shape of an organ. There are many approaches available and each one of them have different strengths and weaknesses. Most state of the art methods to model shape use surface information only. There is an increasing need for techniques to support volumetric information. Besides shape characterization, a technique to differentiate objects by shape is needed. This requires computing statistics on shape. The current challenge of research in life sciences is to create models to represent the surface, the interior of an object, and give statistical differences based on shape. In this work, we use a technique for shape modeling that is able to model surface and internal features, and is suited to compute shape statistics. Using this technique (s-rep), a procedure to model the human cerebral cortex is proposed. This novel representation offers new possibilities to analyze cortical lesions and compute shape statistics on the cortex. The second part of this work proposes a methodology to parameterize the interior of an object. The method is flexible and can enhance the visual aspect or the description of physical properties of an object. The geometric modeling enhanced with physical parameters is used to produce simulated magnetic resonance images. This image simulation approach is validated by analyzing the behavior and performance of classic segmentation algorithms for real images.

La classification des cibles sous-marines est principalement basée sur l'analyse de l'ombre acoustique. La nouvelle génération des sonars d'imagerie fournit une description plus précise de la rétrodiffusion de l'onde acoustique par les cibles. Par conséquent, la combinaison de l'analyse de l'ombre et de l'écho est une voie prometteuse pour améliorer la classification automatique des cibles. Quelques systèmes performants de classification automatique des cibles s'appuient sur un modèle pour faire l'apprentissage au lieu d'utiliser uniquement des réponses expérimentales ou simulées de cibles pour entraîner le classificateur. Avec une approche basée modèle, un bon niveau de performance en classification peut être obtenu si la modélisation de la réponse acoustique de la cible est suffisamment précise. La mise en œuvre de la méthode de classification a nécessité de modéliser avec précision la réponse acoustique des cibles. Le résultat de cette modélisation est un simulateur d'images sonar (SIS). Comme les sonars d'imagerie fonctionnent à haute et très haute fréquence le modèle est basé sur le lancer de rayons acoustiques. Plusieurs phénomènes sont pris en compte pour augmenter le réalisme de la réponse acoustique (les effets des trajets multiples, l'interaction avec le fond marin, la diffraction, etc.). La première phase du classificateur utilise une approche basée sur un modèle. L'information utile dans la signature acoustique de la cible est nommée « A-scan ». Dans la pratique, l'A-scan de la cible détectée est comparé à un ensemble d'A-scans générés par SIS dans les mêmes conditions opérationnelles. Ces gabarits (A-scans) sont créés en modélisant des objets manufacturés de formes simples et complexes (mines ou non mines). Cette phase intègre un module de filtrage adapté pour permettre un résultat de classification plus souple capable de fournir un degré d'appartenance en fonction du maximum de corrélation obtenu. Avec cette approche, l'ensemble d'apprentissage peut être enrichi afin d'améliorer la classification lorsque les classes sont fortement corrélées. Si la différence entre les coefficients de corrélation de l'ensemble de classes les plus probables n'est pas suffisante, le résultat est considéré ambigu. Une deuxième phase est proposée afin de distinguer ces classes en ajoutant de nouveaux descripteurs et/ou en ajoutant davantage d'A-scans dans la base d'apprentissage et ce, dans de nouvelles configurations proches des configurations ambiguës. Ce processus de classification est principalement évalué sur des données simulées et sur un jeu limité de données réelles. L'utilisation de l'A-scan a permis d'atteindre des bonnes performances de classification en mono-vue et a amélioré le résultat de classification pour certaines ambiguïtés récurrentes avec des méthodes basées uniquement sur l'analyse d'ombre. / Underwater target classification is mainly based on the analysis of the acoustic shadows. The new generation of imaging sonar provides a more accurate description of the acoustic wave scattered by the targets. Therefore, combining the analysis of shadows and echoes is a promising way to improve automated target classification. Some reliable schemes for automated target classification rely on model based learning instead of only using experimental samples of target acoustic response to train the classifier. With this approach, a good performance level in classification can be obtained if the modeling of the target acoustic response is accurate enough. The implementation of the classification method first consists in precisely modeling the acoustic response of the targets. The result of the modeling process is a simulator called SIS (Sonar Image Simulator). As imaging sonars operate at high or very high frequency the core of the model is based on acoustical ray-tracing. Several phenomena have been considered to increase the realism of the acoustic response (multi-path propagation, interaction with the surrounding seabed, edge diffraction, etc.). The first step of the classifier consists of a model-based approach. The classification method uses the highlight information of the acoustic signature of the target called « A-scan ». This method consists in comparing the A-scan of the detected target with a set of simulated A-scans generated by SIS in the same operational conditions. To train the classifier, a Template base (A-scans) is created by modeling manmade objects of simple and complex shapes (Mine Like Objects or not). It is based on matched filtering in order to allow more flexible result by introducing a degree of match related to the maximum of correlation coefficient. With this approach the training set can be extended increasingly to improve classification when classes are strongly correlated. If the difference between the correlation coefficients of the most likely classes is not sufficient the result is considered ambiguous. A second stage is proposed in order to discriminate these classes by adding new features and/or extending the initial training data set by including more A-scans in new configurations derived from the ambiguous ones. This classification process is mainly assessed on simulated side scan sonar data but also on a limited data set of real data. The use of A-scans have achieved good classification performances in a mono-view configuration and can improve the result of classification for some remaining confusions using methods only based on shadow analysis.