Les nouveaux capteurs satellitaires permettent l'acquisition d'images d'un très haut niveau de détail à des cadences élevées, produisant ainsi une importante masse de données. Le traitement manuel de ces données étant devenu impossible, de nouveaux outils sont nécessaires afin de les traiter automatiquement. Des algorithmes de segmentation efficaces sont nécessaires pour extraire des objets d'intérêt de ces images. Cependant les segments produits ne correspondent pas aux objets d'intérêt, rendant difficile l'utilisation de connaissances expertes.Dans le cadre de cette thèse nous proposons de changer le niveau d'interprétation d'une image afin de voir les objets d'intérêt pour l'expert comme des objets composés par des segments. Pour cela, nous avons mis en place un processus d'apprentissage multi-niveaux dans le but d'apprendre ces règles de composition. Une règle de composition ainsi apprise peut ensuite être utilisée pour extraire les objets d'intérêt correspondant. Dans un second temps, nous proposons d'utiliser l'algorithme d'apprentissage de règles de composition comme première étape d'une approche montante-descendante. Cette chaîne de traitement a pour objectif d'améliorer la classification à partir des informations contextuelles et de connaissances expertes. Des objets composés de plus haut niveau sémantique sont extraits à partir de règles apprises ou fournies par l'expert, et cette nouvelle information est utilisée pour mettre à jour la classification des objets aux niveaux inférieurs. L'ensemble de ces travaux ont été testés et validés sur des images Pléiades représentant la ville de Strasbourg. Les résultats obtenus montrent l'efficacité de l'apprentissage de règles de composition pour faire le lien entre connaissance experte et segmentation, ainsi que l'intérêt de l'utilisation d'informations contextuelles dans l'analyse d'images de télédétection à très haute résolution spatiale. / The new remote sensors allow the acquisition of very high spatial resolution images at high speeds, thus producing alarge volume of data. Manual processing of these data has become impossible, new tools are needed to process them automatically. Effective segmentation algorithms are required to extract objects of interest of these images. However, the produced segments do not match to objects of interest, making it difficult to use expert knowledge.In this thesis we propose to change the level of interpretation of an image in order to see the objects of interest of the expert as objects composed of segments. For this purpose, we have implemented a multi-level learning process in order to learn composition rules. Such a composition rule can then be used to extract corresponding objects of interest.In a second step, we propose to use the composition rules learning algorithm as a first step of a bottom-up top-down approach. This processing chain aims at improving the classification from contextual knowledge and expert information.Composed objects of higher semantic level are extracted from learned rules or rules provided by the expert, and this new information is used to update the classification of objects at lower levels.The proposed method has been tested and validated on Pléiades images representing the city of Strasbourg. The results show the effectiveness of the composition rules learning algorithm to make the link between expert knowledge and segmentation, as well as the interest of the use of contextual information in the analysis of remotely sensed very high spatial resolution images.

Dans un contexte de changements globaux, il est primordial de mettre au point des pratiques de gestion durable des forêts tropicales assurant le maintien de services environnementaux clés (e.g., biodiversité, stockage de carbone) et la production de biens essentiels aux communautés locales. La mesure, la spatialisation et la compréhension des déterminismes de la structure des forêts tropicales est un challenge pour la gestion durable des ressources forestières. Les forêts denses humides (FDH) de Nouvelle-Calédonie, un point chaud de biodiversité localisé dans le Pacifique Sud-Ouest, sont un modèle d'étude idéal pour comprendre les déterminants de la structure des FDH. En effet, les FDH néo-calédoniennes sont réparties le long d’une chaîne de montagne et sont ainsi soumises à de forts gradients environnementaux auxquels se superposent différents gradients de perturbations naturelles ou anthropiques. Les objectifs de cette thèse sont (i) de définir les caractéristiques structurales des FDH néo-calédoniennes, (ii) de cartographier les FDH et prédire leur structure à large échelle, et (iii) de quantifier l'influence de l’environnement et des dynamiques forestières sur la structure des FDH. Pour cela, 23 parcelles d’inventaire forestier de 100 m x 100 m ont été mise en place en Province Nord, entre 250 et 900 m d'altitude et 1500 et 3000 mm de précipitations annuelles. En plus de caractériser localement la structure des FDH, ces parcelles ont permis de calibrer un modèle prédictif basé sur l’analyse de la texture de la canopée, à l'aide la méthode FOTO (FOurier transform Textural Ordination), qui a été appliqué à huit images satellitaires à très haute résolution Pléiades (couvrant 1295 km2). Un tel modèle capable de lier texture et structure repose sur le postulat que la relation allométrique entre le DBH (Diameter at Breast Height) et l'aire de la couronne des arbres de canopée est stable. Nous avons également testé cette relation à échelle pantropicale. Nos résultats ont montré que les FDH néo-calédoniennes sont denses (1182 ± 233 tiges/ha), ont une aire basale élevée (44 ± 11 m2/ha), une canopée relativement basse (14 ± 3 m) et une biomasse aérienne caractéristique des forêts tropicales (299 ± 83 t/ha). Elles se distinguent également par une importante variabilité structurale. Cette variabilité est du même ordre que ce soit le long de gradients environnementaux ou de gradients de succession forestière. La méthode FOTO appliquée aux images Pléiades a permis de prédire et de spatialiser des paramètres structuraux clefs (tels que la densité de tiges et la biomasse aérienne des FDH) à partir de corrélations robustes avec les indices de texture de la canopée (R² ≥ 0,6; RMSE ≤ 20%). La structure des FDH est principalement dirigée par l'insolation potentielle et l'altitude à l'échelle des massifs montagneux, et par la pente et un indicateur topographique d'humidité à l'échelle du versant. Ces travaux permettront d'estimer les ressources forestières à l'échelle de la Nouvelle-Calédonie et de définir une nouvelle typologie des FDH sur le territoire intégrant leur variabilité structurale. / In the course of global change, new practices of sustainable management in tropical rainforests that maintain key environmental services (e.g., biodiversity, carbon sequestration) and produce goods on which local communities rely is needed. The measurement, spatialization and understanding of the drivers of rainforest structure at large scale is challenging for managing sustainably forest resources. Rainforests of New Caledonia, a biodiversity hotspot located in the South-West Pacific, are a well-suited study model to explore the drivers of rainforest structure. Indeed, New Caledonian rainforests are distributed along a mountain chain, which creates strong environmental gradients overlaid by a range of natural and anthropogenic disturbance gradients. The aims of this thesis are (i) to define some structural features of New Caledonian rainforests, (ii) to map rainforests and to predict their structure at large scale, and (iii) to quantify the influence of the environment and the forest dynamics on rainforest structure. To this end, 23 one hectare forest inventories were set up in the North Province of New Caledonia. In these plots, elevation ranged between 250 and 900 m and annual rainfall between 1500 and 3000 mm. In addition to characterize locally rainforest structure, these plots were used to calibrate a predictive model based on a textural analysis of the canopy, using the FOTO (FOurier transform Textural Ordination) method, which was applied to eight very high resolution images from a Pléiades satellite (covering 1295 km2). Such a model able to relate texture and structure is based on the hypothesis that the allometric relationship between the DBH (Diameter at Breast Height) and the crown size of a canopy tree is stable. We tested this hypothesis tropics-wide. Our results show that New Caledonian rainforests are dense (1182 ± 233 tree/ha), with a high basal area (44 ± 11 m2/ha), a relatively low canopy (14 ± 3 m) and an above-ground biomass typical of tropical rainforests (299 ± 83 t/ha). These forests are also characterized by a high structural variability. This variability has the same range when influenced by environmental gradients as when influenced by forest succession gradients. The FOTO method applied to Pléiades images allowed to predict and spatialize key structural parameters (like the stem density or the above-ground biomass of rainforests) from robust correlations with the textural indices of the canopy (R² ≥ 0,6; RMSE ≤ 20%). The structure of New Caledonian rainforest is mainly driven by the potential insolation and the elevation at the scale of mountain massifs, and by the slope and the topographic wetness at the scale of a mountainside. These findings will enable to estimate rainforest resources across the territory and to define a new typology of New Caledonian rainforests taking into account their structural variability.