D’un point de vue général, les travaux de recherche de cette thèse s’inscrivent dans le cadre d’une approche globale quiconsiste à extraire des informations relatives aux toitures de bâtiments à partir de photos aériennes (orthophotoplans). L’objectifétant de pouvoir reconnaître des toitures extraites d’images aériennes en utilisant une base de connaissances, puisaffiner/déformer des modèles 3D générés automatiquement à partir de données géographiques. Pour cela, une premièreétape consiste tout d’abord à partitionner l’image aérienne en différentes régions d’intérêt (pans de toiture, cheminées,chiens assis, fenêtres, etc.), c’est la contribution de cette thèse.La méthodologie permettant d’atteindre cet objectif est composée de trois étapes : (i) Une étape de simplification qui consisteà simplifier l’image initiale avec un couple invariant/gradient approprié et optimisé pour l’application. Pour cela, unesérie de tests permettant de choisir, d’une part, l’invariant colorimétrique le plus approprié parmi 24 invariants et, d’autrepart, le meilleur gradient parmi 14 gradients issus de la littérature est réalisée. (ii) La deuxième étape comporte deux stratégiesde segmentation par LPE. L’image simplifiée est segmentée d’une part par une LPE-régions couplée à une stratégiede fusion de régions, et d’autre part, par une LPE-contours. Le processus de fusion de régions intègre des critères defusion fondés sur des grandeurs radiométriques et géométriques adaptés aux particularités des orthophotoplans traités.Une technique de caractérisation 2D des arêtes de toitures par une analyse des segments est proposée afin de calculerl’un des critères de fusion. (iii) La troisième étape consiste à combiner les avantages de chaque méthode dans un mêmeschéma de segmentation coopératif afin d’aboutir à un résultat de segmentation fiable. Les tests ont été effectués sur unorthophotoplan contenant 100 toitures de complexité variée et évaluées avec le critère de VINET utilisant une segmentationde référence afin de prouver la robustesse et la fiabilité de l’approche proposée. Une étape de comparaison permettantde situer les résultats obtenus via notre approche proposée par rapport à ceux obtenus pas les principales méthodes desegmentation de la littérature est finalement effectuée. / The work presented in this thesis is developed in a global approach that consists in recognizing roofs extracted from aerialimages using a knowledge database, and bending out 3D models automatically generated from geographical data. Themain step presented in this thesis consists in segmenting roof images in different regions of interest in order to provideseveral measures of roofs (section of roofs, chimneys, roof light, etc).The method aimed at achieving this goal is composed of three principal steps: (i) A simplification step that consists insimplifying the image with an appropriate (optimized for the application) couple of invariant/gradient. For that, several testshave been performed to choose a suitable colorimetric invariant among a set of 24 invariants and define the best gradientamong 14 gradients (eight gray level gradients and six color gradients) of the literature. (ii) The second step is composedof two main treatments: On the one hand, the preliminary orthophotoplan segmentation is produced using the watershedregions applied on the simplified image. An efficient region merging strategy is then applied in order to deal with theover-segmentation problem. The regions merging procedure includes a merging criteria adapted to the orthophotoplanparticularities. In order to calculate one of the merging criteria, a 2D modeling of roof ridges strategy is proposed. Onthe other hand, the simplified image is segmented by the watershed lines. (iii) The third step consists in integrating bothsegmentation strategies by watershed algorithm into a single cooperative segmentation scheme to achieve satisfactorysegmentation results. Tests have been performed on an orthophotoplan containing 100 roofs with varying complexity andevaluated with VINET criteria using a ground truth image segmentation. Comparison results with five popular segmentationtechniques of the literature demonstrates the effectiveness and the reliability of the proposed approach.