Dans cette thèse, nous proposons deux algorithmes multi-échelles pour la simulation de modèles géologiques de réservoir. Le premier algorithme relève des méthodes géostatistiques à deux points. Il s'agit d'une simulation séquentielle Gaussienne avec variable secondaire. Dans notre approche multi-échelle, la variable secondaire est supposée connue à une deuxième échelle, de résolution plus grossière. Elle représente alors la tendance ou moyenne de la variable principale. A partir d'une paramétrisation adéquate, on montre que le calage des propriétés du modèle géologique à l'échelle grossière est plus efficace que le calage de ces mêmes propriétés à l'échelle fine. Notre méthode est applicable aux variables continues et aux variables discrètes.Le deuxième algorithme est une adaptation d'un algorithme de synthèse de texture aux problèmes de réservoir. C'est un algorithme de simulation multipoints qui nécessite l'utilisation d'une image d'entrainement. Il permet de reproduire des objets géologiques de formes complexes comme des chenaux ou des réseaux de fractures. Comme tous les algorithmes multipoints, il requiert des temps de calcul important. Nous montrons alors comment l'introduction d'une échelle intermédiaire permet de diminuer ce temps de calcul et d'améliorer la reproduction des grandes structures. Nous testons deux techniques pour diminuer davantage encore le temps de calcul : le scan partiel de l'image d'entrainement ou l'organisation des informations extraites de cette même image. / In this manuscript, we propose two multiscale algorithms for the simulation of geological reservoir models.The first algorithm is based on two-points statistics methods. It is based upon the sequential Gaussian simulation with a secondary variable. In our multiscale approach, the scale of the secondary variable is considered as a second scale of coarser resolution. It represents the trend or the average of the primary variable. In the context of history-matching, it can be shown that adjusting the properties of the geological model at the coarse scale is more effective than doing the same at the fine scale provided a suitable parameterization technique is used. Our method holds for both continuous and discrete variables. The second algorithm is rooted in texture synthesis techniques developed in computer graphics and modified to cope with reservoir simulation. This is a multipoint simulation algorithm. As such, it requires the use of a training image. It permits to simulates complex geological objects like channels or networks of fractures. However, as all multipoint algorithms, it requires significant computation times. We show how the introduction of an intermediate scale reduces the computation time and improves the reproduction of large structures. We also test two techniques to further reduce the computation time: the partial scan of the training image and the preliminary organization of the information extracted from this image.

Le principe du camouflage est le suivant : utiliser les couleurs de l’environnement pour s’y fondre. De l’apparition du camouflage français en 1914 à aujourd’hui, les techniques ont évolué. Les textures de camouflage ne sont plus monochromes mais composées de 3 à 4 couleurs différentes réparties sous formes de « taches ». Pour les camouflages les plus sophistiqués, la texture est « pixellique » pour en accroître l’efficacité, selon les études de Timothy R. O’NEILL, père du camouflage moderne. Cependant ces techniques se révèlent insuffisantes face à la diversité des théâtres opérations, et le coût est élevé pour adapter le camouflage à chaque situation particulière. L’évolution du camouflage atteint donc un palier. Son aspect statique est identifié comme barrière majeure à toute amélioration. Seule solution : concevoir un camouflage « adaptatif », qui s’adapterait dynamiquement à l’environnement dans lequel il est utilisé. Le camouflage adaptatif se définit comme suit : l’affichage d’une texture particulière sur un réseau d’afficheurs, piloté par un algorithme. Et c’est sur cet algorithme de camouflage, appelé « SCOTT », qu’ont porté les travaux de thèse. SCOTT est un algorithme biologiquement inspiré qui extrait d’une image de l’environnement ses couleurs et formes « dominantes », au sens de « visuellement importantes ». Ces caractéristiques sont ensuite reproduites dans une texture de camouflage fractale permettant une efficacité à différentes échelles d’observation. Bien qu’à vocation militaire, SCOTT peut être utilisé dans divers applications civiles, à commencer par la réduction de la pollution visuelle, en améliorant l’esthétique d’objets « polluants », par exemple les armoires de répartition. / The principle of camouflage is the following one: use the colors of the environment to melt in it. From the appearance of the French camouflage, in 1914, to today, the techniques have evolved. Camouflage textures are no more monochromatic but composed of 3 to 4 different colors distributed in the form of «spots». For the most sophisticated camouflages, the texture is «pixelated» to increase efficiency, according to studies by Timothy R. O’Neill, father of modern camouflage. However, these techniques are insufficient to diversity of operations, and the cost is high to suit each particular situation. The evolution of camouflage reaches a plateau. Its static aspect is identified as a major barrier to improvement. Only one solution: design an «adaptive» camouflage, which dynamically adapt itself to the environment in which it is used. Adaptive Camouflage is defined as displaying a special texture on a network of displays, controlled by an algorithm. The thesis work is about this camouflage algorithm called «SCOTT». SCOTT is a biologically inspired algorithm which extracts the «dominant» colors and shapes of the image of an environment, that is the visually meaning ones. These characteristics are then replicated in a fractal camouflage texture enabling efficiency at different scales of observation. Although SCOTT has been designed for a military application, it can be used in a variety of civilian applications, starting with the reduction of visual pollution, by improving the aesthetics of “polluting” objects, such as shelters.

Cette thèse est une étude de modèles d'image aléatoires avec des applications en synthèse de texture. La plupart des modèles de champs aléatoires étudiés sont des modèles germes-grains. Dans la première partie de la thèse, des algorithmes de synthèse de texture basés sur le modèle shot noise sont développés. Dans le cadre discret, deux processus aléatoires, à savoir le shot noise discret asymptotique et le bruit à phase aléatoire, sont étudiés. On élabore ensuite un algorithme rapide de synthèse de texture basé sur ces processus. De nombreuses expériences démontrent que cet algorithme permet de reproduire une certaine classe de textures naturelles que l'on nomme micro-textures. Dans le cadre continu, la convergence gaussienne des modèles shot noise est étudiée d'avantage et de nouvelles bornes pour la vitesse de cette convergence sont établies. Enfin, on présente un nouvel algorithme de synthèse de texture procédurale par l'exemple basé sur le récent modèle Gabor noise. Cet algorithme permet de calculer automatiquement un modèle procédural représentant des micro-textures naturelles. La deuxième partie de la thèse est consacrée à l'étude du processus feuilles mortes transparentes (FMT), un nouveau modèle germes-grains obtenu en superposant des objets semi-transparents. Le résultat principal de cette partie montre que, lorsque la transparence des objets varie, le processus FMT fournit une famille de modèles variant du modèle feuilles mortes à un champ gaussien. Dans la troisième partie de la thèse, les champs aléatoires à variation bornés sont étudiés et on établit des résultats généraux sur le calcul de la variation totale moyenne de ces champs. En particulier, ces résultats généraux permettent de calculer le périmètre moyen des ensembles aléatoires et de calculer explicitement la variation totale moyenne des modèles germes-grains classiques.

Un des buts de l'infographie est de produire des images réalistes. Pour cela, des artistes créent des modèles géométriques complexes ornés de textures détaillées. Malheureusement, selon l'application visée et les ressources disponibles, il doivent souvent "prendre des raccourcis" en répétant des textures ou en utilisant des modèles simples dont les détails sont simulés par une série de couches d'apparence. Afin de créer des objets 3D réalistes, la meilleure source d'inspiration est le monde réel lui-même. Dans ce contexte, nous proposons d'aider l'artiste à créer ces couches d'apparence à partir de l'analyse d'exemples. Nous nous attaquons tout d'abord à la couche de texture couleur, et plus particulièrement aux textures structurées.<br />En effet, ces dernières sont difficilement reproductibles de manière automatique et leur répétition visuelle est gênante pour l'observateur. Afin de réussir à propager de telles textures à partir d'un exemplaire donné, nous proposons de découpler la structure de l'apparence.<br />Nous traitons le problème tout d'abord sous un aspect géométrique. Les textures structurées sont représentées par un maillage 2D qui est analysé afin d'en extraire une description statistique compacte menant à la création d'un générateur permettant de reproduire la structure originelle à volonté. L'utilisateur est pris en compte tout au long du processus et peut influencer le résultat grâce à des cartes de contraintes.<br />En parallèle, nous analysons l'apparence de la texture structurée afin d'extraire un ensemble réduit de textures représentant les matériaux utilisés pour l'intérieur des régions et leur contour. Ces informations nous permettent d'"habiller" de nouvelles structures de manière efficace. Dans un troisième temps, nous utilisons l'information de structure et de texture, ainsi que des informations usager afin de générer et propager des détails 3D sur des modèles. Nous proposons un système générique qui permettra d'alléger les artistes de tâches souvent répétitives et fastidieuses. Nous appliquons ce système à la génération de cartes de hauteurs et présentons plusieurs autres cas d'application.<br />L'ensemble des techniques proposées permet de synthétiser des textures structurées détaillées à partir d'exemples avec un coût mémoire réduit et permettant un rendu en temps-réel, tout en laissant du contrôle à l'utilisateur.

Cette thèse est une étude de modèles d'image aléatoires avec des applications en synthèse de texture.Dans la première partie de la thèse, des algorithmes de synthèse de texture basés sur le modèle shot noise sont développés. Dans le cadre discret, deux processus aléatoires, à savoir le shot noise discret asymptotique et le bruit à phase aléatoire, sont étudiés. On élabore ensuite un algorithme rapide de synthèse de texture basé sur ces processus. De nombreuses expériences démontrent que cet algorithme permet de reproduire une certaine classe de textures naturelles que l'on nomme micro-textures. Dans le cadre continu, la convergence gaussienne des modèles shot noise est étudiée d'avantage et de nouvelles bornes pour la vitesse de cette convergence sont établies. Enfin, on présente un nouvel algorithme de synthèse de texture procédurale par l'exemple basé sur le récent modèle Gabor noise. Cet algorithme permet de calculer automatiquement un modèle procédural représentant des micro-textures naturelles.La deuxième partie de la thèse est consacrée à l'étude du processus feuilles mortes transparentes (FMT), un nouveau modèle germes-grains obtenu en superposant des objets semi-transparents. Le résultat principal de cette partie montre que, lorsque la transparence des objets varie, le processus FMT fournit une famille de modèles variant du modèle feuilles mortes à un champ gaussien. Dans la troisième partie de la thèse, les champs aléatoires à variation bornés sont étudiés et on établit des résultats généraux sur le calcul de la variation totale moyenne de ces champs. En particulier, ces résultats généraux permettent de calculer le périmètre moyen des ensembles aléatoires et de calculer explicitement la variation totale moyenne des modèles germes-grains classiques.

{La première partie de cette thèse est dédiée à la modélisation d'images ou de vidéos considérés comme des fonds sur lesquels on s'attache à détecter des anomalies. Notre analyse de la littérature de la détection d'anomalie sur une seule image nous a fait identifier cinq différentes familles d'hypothèses structurelles sur le fond. Nous proposons de nouveaux algorithmes pour les problèmes de détection d'anomalie sur seule image, de détection de petites cibles sur un fond en mouvement, de détection de changements sur des images satellitaires SAR (Synthetic Aperture Radar) et de détection de nuages dans des séquences d'images de satellite optique.Dans une seconde partie, nous étudions deux autres applications de la modélisation de fond. Pour le débruitage vidéo, nous cherchons pour chaque patch de la vidéo, des patchs similaires le long de la séquence vidéo, et fournissons à un réseau de neurones convolutif les pixels centraux de ces patchs. Le modèle de fond est caché dans les poids du réseau de neurones. Cette méthode s'avère être la plus performante des méthodes par réseau de neurones comparées. Nous étudions également la synthèse de texture à partir d'un exemple. Dans ce problème, des échantillons de texture doivent être générés à partir d'un seul exemple servant de référence. Notre étude distingue les familles d'algorithmes en fonction du type de modèle adopté. Dans le cas des méthodes par réseau de neurones, nous proposons une amélioration corrigeant les artefacts de bord.Dans une troisième partie, nous proposons des implémentations temps-réel GPU de l'interpolation B-spline et de plusieurs algorithmes de débruitage d'images et de vidéo: NL-means, BM3D et VBM3D. La rapidité des implémentations proposées permet leur utilisation dans des scénarios temps-réel, et elles sont en cours de transfert vers l'industrie. / The first part of this thesis is dedicated to the modeling of image or video backgrounds, applied to anomaly detection. In the case of anomaly detection on a single image, our analysis leads us to find five different families of structural assumptions on the background. We propose new algorithms for single-image anomaly detection, small target detection on moving background, change detection on satellite SAR (Synthetic Aperture Radar) images and cloud detection on a sequence of satellite optical images.In the second part, we study two further applications of background modeling. To perform video denoising we search, for every video patch, similar patches in the video sequence, and feed their central pixels to a convolutional neural network (CNN). The background model in this case is hidden in the CNN weights. In our experiments, the proposed method is the best performing of the compared CNN-based methods. We also study exemplar-based texture synthesis. In this problem texture samples have to be generated based on only one reference sample. Our survey classifies the families of algorithms for this task according to their model assumptions. In addition, we propose improvements to fix the border behavior issues that we pointed out in several deep learning based methods.In the third part, we propose real-time GPU implementations for B-spline interpolation and for several image and video denoising algorithms: NL-means, BM3D and VBM3D. The speed of the proposed implementations enables their use in real-time scenarios, and they are currently being transitioned to industry.

Cette thèse s’inscrit dans le contexte de la synthèse d’images texturées. Dans l’objectif d’assurer une reproduction fidèle des motifs et des variations d’orientations d’une texture initiale, un algorithme de synthèse de texture à deux étapes « structure/texture » est proposé. Il s’agit, dans une première étape, de réaliser la synthèse d’une couche de structure caractérisant la géométrie de l’exemplaire et représentée par un champ de tenseurs de structure et, dans une deuxième étape, d’utiliser le champ de structure résultant pour contraindre la synthèse d’une couche de texture portant des variations plus locales. Une réduction du temps d’exécution est ensuite développée, fondée notamment sur l’utilisation de pyramides Gaussiennes et la parallélisation des calculs mis en oeuvre.Afin de démontrer la capacité de l’algorithme proposé à reproduire fidèlement l’aspect visuel des images texturées considérées, la méthode est testée sur une variété d’échantillons de texture et évaluée objectivement à l’aide de statistiques du 1er et du 2nd ordre du champ d’intensité et d’orientation. Les résultats obtenus sont de qualité supérieure ou équivalente à ceux obtenus par des algorithmes de la littérature. Un atout majeur de l’approche proposée est son aptitude à synthétiser des textures avec succès dans de nombreuses situations où les algorithmes existants ne parviennent pas à reproduire les motifs à grande échelle.L’approche de synthèse structure/texture proposée est étendue à la synthèse de texture couleur. La synthèse de texture 3D est ensuite abordée et, finalement, une extension à la synthèse de texture de forme spécifiée par une texture imposée est mise en oeuvre, montrant la capacité de l’approche à générer des textures de formes arbitraires en préservant les caractéristiques de la texture initiale. / This work is a part of the texture synthesis context. Aiming to ensure a faithful reproduction of the patterns and variations of orientations of the input texture, a two-stage structure/texture synthesis algorithm is proposed. It consists of synthesizing the structure layer showing the geometry of the exemplar and represented by the structure tensor field in the first stage, and using the resulting tensor field to constrain the synthesis of the texture layer holding more local variations, in the second stage. An acceleration method based on the use of Gaussian pyramids and parallel computing is then developed.In order to demonstrate the ability of the proposed algorithm to faithfully reproduce the visual aspect of the considered textures, the method is tested on various texture samples and evaluated objectively using statistics of 1st and 2nd order of the intensity and orientation field. The obtained results are of better or equivalent quality than those obtained using the algorithms of the literature. A major advantage of the proposed approach is its capacity in successfully synthesizing textures in many situations where traditional algorithms fail to reproduce the large-scale patterns.The structure/texture synthesis approach is extended to color texture synthesis. 3D texture synthesis is then addressed and finally, an extension to the synthesis of specified form textures using an imposed texture is carried out, showing the capacity of the approach in generating textures of arbitrary forms while preserving the input texture characteristics.

Cette thèse s’attaque au problème de la synthèse de texture par l’exemple en utilisant des modèles stochastiques locaux de patchs pour générer de nouvelles images. La synthèse de texture par l’exemple a pour but de générer à partir d’un échantillon de texture de nouvelles images qui sont perceptuellement équivalentes à celle de départ. Les méthodes peuvent se regrouper en deux catégories: les méthodes paramétriques et les non paramétriques à base de patchs. Le premier groupe a pour but de caractériser une image de texture à partir d’un ensemble de statistiques qui définissent un processus stochastique sous-jacent. Les résultats visuels de ces méthodes sont satisfaisants, mais seulement pour un groupe réduit de types de texture. La synthèse pour des images de textures ayant des structures très contrastées peut échouer. La deuxième catégorie d’algorithme découpe, puis recolle de manière consistante des voisinages locaux de l’image de départ pour générer de nouvelles configurations plausibles de ces voisinages (ou patchs). Les résultats visuels de ces méthodes sont impressionnants. Néanmoins, on observe souvent des répétitions verbatim de grandes parties de l’image d’entrée qui du coup peuvent être reproduites plusieurs fois. De plus, ces algorithmes peuvent diverger, reproduisant de façon itérative une partie de l’image de l’entrée en négligeant le reste. La première partie de cette thèse présente une approche combinant des idées des deux catégories de méthodes, sous le nom de synthèse localement Gaussienne. On préserve dans cette nouvelle méthode les aspects positifs de chaque approche: la capacité d’innover des méthodes paramétriques, et la capacité de générer des textures fortement structurées des méthodes non paramétriques à base de patchs. Pour ce faire, on construit un modèle Gaussien multidimensionnel des auto-similarités d’une image de texture. Ainsi, on obtient des résultats qui sont visuellement supérieurs à ceux obtenus avec les méthodes paramétriques et qui sont comparables à ceux obtenus avec les méthodes non-paramétriques à base de patchs tout en utilisant une paramétrization locale de l’image. La thèse s’attache aussi à résoudre une autre difficulté des méthodes à base de patchs: le choix de la taille du patch. Afin de réduire significativement cette dépendance, on propose une extension multi échelle de la méthode. Les méthodes à bases de patchs supposent une étape de recollement. En effet, les patchs de l’image synthétisée se superposent entre eux, il faut donc gérer le recollement dans ces zones. La première approche qu’on a considérée consiste à prendre en compte cette contrainte de superposition dans la modélisation des patchs. Les expériences montrent que cela est satisfaisant pour des images de textures périodiques ou pseudo-périodiques et qu’en conséquence l’étape de recollement peut être supprimée pour ces textures. Cependant, pour des images de textures plus complexes ce n’est pas le cas, ce qui nous a menée à suggérer une nouvelle méthode de recollement inspirée du transport optimal. Cette thèse conclut avec une étude complète de l’état de l’art en génération d’images de textures naturelles. L’étude que nous présentons montre que, malgré les progrès considérables des méthodes de synthèse à base d’exemples proposées dans la vaste littérature, et même en les combinant astucieusement, celles-ci sont encore incapables d’émuler des textures complexes et non stationnaires. / This dissertation contributes to the problem of exemplar based texture synthesis by introducing the use of local Gaussian patch models to generate new texture images. Exemplar based texture synthesis is the process of generating, from an input texture sample, new texture images that are perceptually equivalent to the input. There are roughly two main categories of algorithms: the statistics based methods and the non parametric patch based methods. The first one aims to characterize a given texture sample by estimating a set of statistics which will define an underlying stochastic process. The results of this kind of methods are satisfying but only on a small group of textures, failing when important structures are visible in the input provided. The second category methods reorganize local neighborhoods from the input sample in a consistent way creating new texture images. These methods return impressive visual results. Nevertheless, they often yield verbatim copies of large parts of the input sample. Furthermore, they can diverge, starting to reproduce iteratively one part of the input sample and neglecting the rest of it, thus growing ``garbage''. In this thesis we propose a technique combining ideas from the statistic based methods and from the non parametric patch based methods. We call it the locally Gaussian method. The method keeps the positive aspects of both categories: the innovation capacity of the parametric methods and the ability to synthesize highly structured textures of the non parametric methods. To this aim, the self-similarities of a given input texture are modeled with conditional multivariate Gaussian distributions in the patch space. In general, the results that we obtain are visually superior to those obtained with statistic based methods while using local parametric models. On the other hand, our results are comparable to the visual results obtained with the non parametric patch based methods. This dissertation addresses another weakness of all patch based methods. They are strongly dependent on the patch size used, which is decided manually. It is therefore crucial to fix a correct patch size for each synthesis. Since texture images have, in general, details at different scales, we decided to extend the method to a multiscale approach which reduces the strong dependency of the method on the patch size. Patch based methods involve a stitching step. Indeed, the patches used for the synthesis process overlap each other. This overlap must be taken into account to avoid any transition artifact from patch to patch. Our first attempt to deal with it was to consider directly the overlap constraints in the local parametric model. The experiments show that for periodic and pseudo-periodic textures, considering these constraints in the parametrization is enough to avoid the stitching step. Nevertheless, for more complex textures it is not enough, and this led us to suggest a new stitching technique inspired by optimal transport and midway histogram equalization.This thesis ends with an extensive analysis of the generation of several natural textures. This study shows that, in spite of remarkable progress for local textures, the methods proposed in the extensive literature of exemplar based texture synthesis still are incapable of dealing with complex and non-stationary textures.

Cette thèse est une étude de modèles d'image aléatoires avec des applications en synthèse de texture.Dans la première partie de la thèse, des algorithmes de synthèse de texture basés sur le modèle shot noise sont développés. Dans le cadre discret, deux processus aléatoires, à savoir le shot noise discret asymptotique et le bruit à phase aléatoire, sont étudiés. On élabore ensuite un algorithme rapide de synthèse de texture basé sur ces processus. De nombreuses expériences démontrent que cet algorithme permet de reproduire une certaine classe de textures naturelles que l'on nomme micro-textures. Dans le cadre continu, la convergence gaussienne des modèles shot noise est étudiée d'avantage et de nouvelles bornes pour la vitesse de cette convergence sont établies. Enfin, on présente un nouvel algorithme de synthèse de texture procédurale par l'exemple basé sur le récent modèle Gabor noise. Cet algorithme permet de calculer automatiquement un modèle procédural représentant des micro-textures naturelles.La deuxième partie de la thèse est consacrée à l'étude du processus feuilles mortes transparentes (FMT), un nouveau modèle germes-grains obtenu en superposant des objets semi-transparents. Le résultat principal de cette partie montre que, lorsque la transparence des objets varie, le processus FMT fournit une famille de modèles variant du modèle feuilles mortes à un champ gaussien. Dans la troisième partie de la thèse, les champs aléatoires à variation bornés sont étudiés et on établit des résultats généraux sur le calcul de la variation totale moyenne de ces champs. En particulier, ces résultats généraux permettent de calculer le périmètre moyen des ensembles aléatoires et de calculer explicitement la variation totale moyenne des modèles germes-grains classiques. / This thesis is a study of stochastic image models with applications to texture synthesis. Most of the stochastic texture models under investigation are germ-grain models. In the first part of the thesis, texture synthesis algorithms relying on the shot noise model are developed. In the discrete framework, two different random processes, namely the asymptotic discrete spot noise and the random phase noise, are theoretically and experimentally studied. A fast texture synthesis algorithm relying on these random processes is then elaborated. Numerous results demonstrate that the algorithm is able to reproduce a class of real-world textures which we call micro-textures. In the continuous framework, the Gaussian convergence of shot noise models is further studied and new bounds for the rate of this convergence are established. Finally, a new algorithm for procedural texture synthesis from example relying on the recent Gabor noise model is presented. This new algorithm permits to automatically compute procedural models for real-world micro-textures. The second part of the thesis is devoted to the introduction and study of the transparent dead leaves (TDL) process, a new germ-grain model obtained by superimposing semi-transparent objects. The main result of this part shows that, when varying the transparency of the objects, the TDL process provides a family of models varying from the dead leaves model to a Gaussian random field. In the third part of the thesis, general results on random fields with bounded variation are established with an emphasis on the computation of the mean total variation of random fields. As particular cases of interest, these general results permit the computation of the mean perimeter of random sets and of the mean total variation of classical germ-grain models.

Dans cette thèse, on étudie la structuration des phases de la transformée de Fourier d'images naturelles, ce qui, du point de vue applicatif, débouche sur plusieurs mesures de netteté ainsi que sur des algorithmes rapides pour la synthèse de texture par l'exemple. Le Chapitre 2 présente dans un cadre unifié plusieurs modèles de champs aléatoires, notamment les champs spot noise et champs gaussiens, en prêtant une attention particulière aux représentations fréquentielles de ces champs aléatoires. Le Chapitre 3 détaille l'utilisation des champs à phase aléatoire à la synthèse de textures peu structurées (microtextures). On montre qu'une microtexture peut être résumée en une image de petite taille s'intégrant à un algorithme de synthèse très rapide et flexible via le modèle spot noise. Aussi on propose un algorithme de désocclusion de zones texturales uniformes basé sur la simulation gaussienne conditionnelle. Le Chapitre 4 présente trois mesures de cohérence globale des phases de la transformée de Fourier. Après une étude théorique et pratique établissant leur lien avec la netteté d'image, on propose un algorithme de déflouage aveugle basé sur l'optimisation stochastique de ces indices. Enfin, dans le Chapitre 5, après une discussion sur l'analyse et la synthèse directe de l'information de phase, on propose deux modèles de textures à phases cohérentes qui permettent la synthèse de textures plus structurées tout en conservant quelques garanties mathématiques simples. / This thesis deals with the Fourier phase structure of natural images, and addresses no-reference sharpness assessment and fast texture synthesis by example. In Chapter 2, we present several models of random fields in a unified framework, like the spot noise model and the Gaussian model, with particular attention to the spectral representation of these random fields. In Chapter 3, random phase models are used to perform by-example synthesis of microtextures (textures with no salient features). We show that a microtexture can be summarized by a small image that can be used for fast and flexible synthesis based on the spot noise model. Besides, we address microtexture inpainting through the use of Gaussian conditional simulation. In Chapter 4, we present three measures of the global Fourier phase coherence. Their link with the image sharpness is established based on a theoretical and practical study. We then derive a stochastic optimization scheme for these indices, which leads to a blind deblurring algorithm. Finally, in Chapter 5, after discussing the possibility of direct phase analysis or synthesis, we propose two non random phase texture models which allow for synthesis of more structured textures and still have simple mathematical guarantees.