Cette thèse aborde l'étude de la fonction cérébrale en Imagerie par Résonance Magnétique (IRM) à l'aide de deux séquences : l'IRM fonctionnelle (IRMf) BOLD et l'imagerie de perfusion par marquage de spins (ASL). Dans ce contexte, les analyses de groupe jouent un rôle important dans l'identification des dysfonctionnements globaux associés à une pathologie. D'autre part, les études individuelles, qui fournissent des conclusions au niveau d'un sujet unique, présentent un intérêt croissant. Dans ce travail, nous abordons à la fois les études de groupe et les analyses individuelles. Dans un premier temps, nous réalisons une analyse de groupe en IRMf BOLD en vue d'étudier la dysphasie chez l'enfant, une pathologie peu explorée en neuroimagerie. Nous mettons ainsi en évidence un fonctionnement et une latéralisation atypiques des aires langagières. Ensuite, nous nous concentrons sur les analyses individuelles. Nous proposons l'utilisation d'estimateurs robustes pour calculer les cartographies de débit sanguin cérébral en ASL. Ensuite, nous étudions la validité des hypothèses qui sous-tendent les analyses statistiques standard dans le contexte de l'ASL. Finalement, nous proposons une nouvelle méthode localement multivariée basée sur une approche a contrario. La validation de cette nouvelle approche est réalisée dans deux contextes applicatifs : la détection d'anomalies de perfusion en ASL et la détection de zones d'activation en IRMf BOLD. / This thesis deals with the analysis of brain function in Magnetic Resonance Imaging (MRI) using two sequences: BOLD functional MRI (fMRI) and Arterial Spin Labelling (ASL). In this context, group statistical analyses are of great importance in order to understand the general mechanisms underlying a pathology, but there is also an increasing interest towards patient-specific analyses that draw conclusions at the patient level. Both group and patient-specific analyses are studied in this thesis. We first introduce a group analysis in BOLD fMRI for the study of specific language impairment, a pathology that was very little investigated in neuroimaging. We outline atypical patterns of functional activity and lateralisation in language regions. Then, we move forward to patient-specific analysis. We propose the use of robust estimators to compute cerebral blood flow maps in ASL. Then, we analyse the validity of the assumptions underlying standard statistical analyses in the context of ASL. Finally, we propose a new locally multivariate statistical method based on an a contrario approach and apply it to the detection of atypical patterns of perfusion in ASL and to activation detection in BOLD functional MRI.

La mammographie, une modalité 2D d'imagerie du sein par rayons X, a montré son efficacité pour réduire la mortalité par cancer du sein. Aujourd'hui, la tomosynthèse numérique du sein, une modalité 3D d'imagerie du sein par rayons X, prend une place de plus en plus importante dans la pratique clinique, et est reconnue de plus en plus souvent comme ayant le potentiel de remplacer la mammographie dans un proche avenir. Pour évaluer plusieurs aspects de la tomosynthèse, des études cliniques sont nécessaires. Mais les études cliniques sont coûteuses et présentent des risques supplémentaires pour les patientes dus à l'utilisation de radiations ionisantes. Les études cliniques virtuelles ont pour objectif d'offrir une approche alternative en utilisant des simulations numériques. Dans cette thèse, nous nous intéressons à plusieurs éléments intervenants dans une telle étude clinique virtuelle. Dans un premier temps, nous analysons l'état de l'art sur la caractérisation analytique des champs aléatoires 3D pour la simulation de la texture du sein par rayons X. Nous nous intéressons aussi à l'estimation de caractéristiques statistiques des images du sein par rayons X (densité, indice spectral). Puis nous développons un nouveau modèle de texture 3D du sein basé sur la géométrie stochastique, et qui permet de simuler des images 2D et 3D réalistes du sein. Nous considérons le problème de l'inférence d'un tel modèle à partir d'une base d'images cliniques 3D. Ensuite, nous développons un observateur mathématique basé sur la théorie textit{a contrario} de la perception visuelle, pour modéliser la détection des microcalcifications par des radiologues dans des images 2D et 3D du sein. Tous ces composants sont utilisés pour implémenter une étude clinique entièrement numérique. La pertinence des résultats obtenus montre l'utilité de ces études cliniques virtuelles et nous incite à en développer de plus élaborées dans le futur. / Full field digital mammography, a 2D x-ray breast imaging modality has been proved to reduce the breast cancer mortality. Today, digital breast tomosynthesis, a 3D x-ray breast imaging modality, is being integrated in clinical practice and is believed to replace standard mammography in the near future. To assess the clinical performance of various aspects of tomosynthesis, clinical trials are needed. Clinical trials are burdensome, expensive and may impose increased risk to the patient due to additional radiation exposure. Virtual Clinical Trials aim to offer a more efficient alternative by using computational components. Today, active research is ongoing to develop computational components dedicated to 2D and 3D breast imaging, especially to 3D tomosynthesis. This thesis aims to advance several aspects in the development of Virtual Clinical Trials. First, we focused on analytical characterization of state-of-the-art 3D random field breast texture models. The estimation of statistical characteristics (breast density, spectral index) from clinical x-ray breast images was also studied. Next, we proposed a mathematically traceable 3D breast texture model based on stochastic geometry, that allows to simulate realistic 2D and 3D images. The statistical inference of the texture model parameters from a database of clinical 3D breast images was also tackled. We then developed a mathematical observer based on the textit{a contrario} theory, that allows to model the microcalcification detection process by radiologists in 2D and 3D breast images. Finally, these two proposed components were applied to implement a virtual clinical trial experiment, demonstrating their potential in the conduct of more advanced virtual clinical studies in the future.

Cette thèse traite de la reconnaissance des formes dans les images numériques. Une représentation appropriée des formes est déduite de l'analyse des perturbations qui n'affectent pas la reconnaissance : changement de contraste, occlusion partielle, bruit, perspective. Les atomes de cette représentation, appelés "éléments de forme", fournissent des descriptions semi-locales des formes. L'appariement de ces éléments permet de reconnaitre des formes partielles. Les formes globales sont alors définies comme des groupes de formes partielles présentant une cohérence dans leur disposition spatiale. L'aspect fondamental de ce travail est la mise en place de seuils non-supervisés, à tous les niveaux de décision du processus de reconnaissance. Nous proposons des règles de décision pour la en correcpondance de formes partielles ainsi que pour la détection de formes globales. Le cadre proposé est basé sur une méthodologie générale de la détection dans laquelle un événement est significatif s'il n'est pas susceptible d'arriver par hasard.

Les travaux présentés dans cette thèse ont pour but de déterminer la possibilité d'automatiser, partiellement ou totalement, la détection de bateaux à partir d'images satellitaires optiques haute résolution. Nous exposons tout d'abord le contexte industriel dans lequelle s'insère notre étude, qui fixe les contraintes en termes de performances et de temps de traitement. Puis, nous présentons les données satellitaires disponibles dans le cadre de notre étude (images SPOT 5 panchromatique de résolution 5m). Après avoir illustré le contenu des scènes, nous présentons la démarche adoptée pour la détection des navires : une phase de pré-détection suivie d'une étape de segmentation et d'une étape de classification. La méthode de pré-détection utilisée s'appuie sur la théorie bayésienne de la décision. Après avoir présenté le modèle classique, nous discutons du modèle que nous avons utilisé. Cette pré-détection fournit un ensemble de régions d'intérêts. Parmi elles, nous n'avons pas uniquement des bateaux, nous avons également des fausses alarmes dues aux nuages et aux crêtes de vagues. Le but de l'étape suivante est à la fois d'éliminer les fausses alarmes et de caractériser les bateaux pré-détectés. Ensuite, nous détaillons la méthode utilisée pour segmenter les bateaux. Elle s'appuie sur des contours actifs et utilise également la théorie bayésienne de la décision. Après avoir décrit les caractéristiques extraites pour la classification des bateaux, nous présentons le classifieur utilisé. Nous complétons la caractérisation des navires en présentant deux méthodes de détection des sillages différentes des méthodes classiques. La première approche s'appuie sur l'utilisation de contours actifs et la seconde est basée sur une approche a contrario. Nous comparons les résultats des ces deux approches. An de compléter l'étude et se replacer dans le contexte industriel et opérationnel de la thèse, nous présentons des expérimentations de l'ensemble de l'algorithme sur des images complètes pour évaluer les performances et le temps de traitement.

Les institutions culturelles mènent depuis une vingtaine année une politique de sauvegarde numérique exhaustive de leurs collections conduisant à la création de bases d'images de plus en plus grandes. Les oeuvres d'art se différencient des images naturelles car elles sont souvent stylisées. Cette caractéristique influence notre interprétation de l'image et l'impression visuelle qui nous est transmise. Nous proposons dans cette thèse des descripteurs et mesures de similarité spécifiques au contenu pictural et les testons dans le cadre de la recherche par le contenu d'images similaires. Le premier aspect du contenu pictural auquel nous nous sommes intéressés concerne l'organisation spatiale globale des couleurs. Nous modélisons le problème de la comparaison entre deux organisations spatiales des couleurs par un problème de transport optimal appliqué à des imagettes. Dans le cadre de la recherche d'images dans une base, nous proposons également un seuil adaptatif sur cette distance de transport fondé sur une approche "a contrario". Le deuxième aspect du contenu pictural que nous étudions concerne les caractéristiques du contenu géométrique lié aux lignes dans les dessins au trait. Pour cette approche nous développons un détecteur de contours de trait sans paramètre reposant sur un filtrage topologique de l'arbre des lignes de niveau significatives de Desolneux et al., ainsi qu'un ensemble de méthodes d'extraction de caractéristiques visuelles incluant les extrémités de trait, les jonctions et les coins. Nous évaluons ces deux approches en utilisant sept bases différentes totalisant environ 65000 images.

L'analyse de la structure et du mouvement permet d'estimer la forme d'objets 3D et la position de la caméra à partir de photos ou de vidéos. Le plus souvent, elle est réalisée au moyen des étapes suivantes : 1) L'extraction de points d'intérêt, 2) La mise en correspondance des points d'intérêt entre les images à l'aide de descripteurs photométriques des voisinages de point, 3) Le filtrage des appariements produits à l'étape précédente afin de ne conserver que ceux compatibles avec une contrainte géométrique fixée, dont on peut alors calculer les paramètres. Cependant, la ressemblance photométrique seule utilisée en deuxième étape ne suffit pas quand plusieurs points ont la même apparence. Ensuite, la dernière étape est effectuée par un algorithme de filtrage robuste, Ransac, qui nécessite de fixer des seuils, ce qui se révèle être une opération délicate. Le point de départ de ce travail est l'approche A Contrario Ransac de Moisan et Stival, qui permet de s'abstraire des seuils. Ensuite, notre première contribution a consisté en l'élaboration d'un modèle a contrario qui réalise la mise en correspondance à l'aide de critères photométrique et géométrique, ainsi que le filtrage robuste en une seule étape. Cette méthode permet de mettre en correspondance des scènes contenant des motifs répétés, ce qui n'est pas possible par l'approche habituelle. Notre seconde contribution étend ce résultat aux forts changements de point de vue, en améliorant la méthode ASift de Morel et Yu. Elle permet d'obtenir des correspondances plus nombreuses et plus densément réparties, dans des scènes difficiles contenant des motifs répétés observés sous des angles très différents.

Dans cette thèse, nous nous intéressons à l'analyse et au suivi temporel des surfaces continentales à partir de séquences d'images satellitaires. L'exploitation de données de différentes résolutions est alors cruciale pour bénéficier à la fois d'une bonne discrimination et d'une bonne localisation des objets d'intérêt. Dans ce contexte, nous proposons deux approches probabilistes pour la classification et la détection de changements capables d'accéder à une information sous-pixelique, avec très peu d'information a priori. La premire repose sur la définition d'une fonction d'énergie dans un cadre bayésien. Etant donné un nombre de classes, elle permet d'estimer la classification de manière non-supervisée en tant que minimum de cette fonction d'énergie, à travers un algorithme de recuit simulé. La seconde repose sur un modèle de détection a-contrario couplé à un algorithme stochastique d'échantillonnage aléatoire. Elle permet de détecter automatiquement les pixels de l'image qui représentent le plus vraisemblablement des changements. Une analyse théorique et expérimentale des méthodes proposées a permis d'en cerner les limites et, en particulier, de montrer leur capacité à traîter de forts rapports de résolution. Des cas réels d'applications sont présentés sur une scène agricole de la Plaine du Danube (base de donnes ADAM).

This work focuses on analysing and improving feature detection and matching. After creating an initial framework of study, four main areas of work are researched. These areas make up the main chapters within this thesis and focus on using the Scale Invariant Feature Transform (SIFT).The preliminary analysis of the SIFT investigates how this algorithm functions. Included is an analysis of the SIFT feature descriptor space and an investigation into the noise properties of the SIFT. It introduces a novel use of the a contrario methodology and shows the success of this method as a way of discriminating between images which are likely to contain corresponding regions from images which do not. Parameter analysis of the SIFT uses both parameter sweeps and genetic algorithms as an intelligent means of setting the SIFT parameters for different image types utilising a GPGPU implementation of SIFT. The results have demonstrated which parameters are more important when optimising the algorithm and the areas within the parameter space to focus on when tuning the values. A multi-exposure, High Dynamic Range (HDR), fusion features process has been developed where the SIFT image features are matched within high contrast scenes. Bracketed exposure images are analysed and features are extracted and combined from different images to create a set of features which describe a larger dynamic range. They are shown to reduce the effects of noise and artefacts that are introduced when extracting features from HDR images directly and have a superior image matching performance. The final area is the development of a novel, 3D-based, SIFT weighting technique which utilises the 3D data from a pair of stereo images to cluster and class matched SIFT features. Weightings are applied to the matches based on the 3D properties of the features and how they cluster in order to attempt to discriminate between correct and incorrect matches using the a contrario methodology. The results show that the technique provides a method for discriminating between correct and incorrect matches and that the a contrario methodology has potential for future investigation as a method for correct feature match prediction.

[pt] Esta dissertação tem por objetivo investigar a possibilidade de obtenção de retornos anormais – utilizando-se o período entre jan/2005 e dez/2014 como espaço amostral – no mercado acionário brasileiro. Investigou-se, então, a hipótese de reversão à média móvel de 21 dias para os ativos integrantes do Índice Brasil 100 – IBrX-100. Estratégias contrárias com carteiras compradas em ações cujos preços estivessem abaixo da média móvel e vendidas em ações cujos preços estivessem acima da média móvel foram montadas e testadas para os referidos períodos. Por fim, não foram encontradas evidências em favor da reversão à média móvel de 21 dias para o período estudado. / [en] The goal of this study is to investigate the possibility of obtaining abnormal returns – using the period between January/2005 and December/2014 –in the Brazilian stock market. The main hypothesis in focus is the moving average of 21 days reversion of the securities of the Index Brasil 100 – IBrX 100. Contrarian strategies were used with portfolios built by buying stocks whose prices were below the moving average and selling stocks whose prices are above the moving average. There is no evidence in favor of the reversion and in favor of the possibility of abnormal returns in the study period.

.