La détection d'objets mobiles dans des flux vidéo est une étape essentielle pour de nombreux algorithmes de vision par ordinateur. Cette tâche se complexifie lorsque la caméra utilisée est en mouvement. En effet, l'environnement capté par ce type de caméra apparaît en mouvement et il devient plus difficile de distinguer les objets qui effectuent réellement un mouvement de ceux qui constituent la partie statique de la scène. Dans cette thèse, nous apportons des contributions au problème de détection d'objets mobiles dans le flux vidéo d'une caméra mobile. L'idée principale qui nous permet de distinguer les éléments mobiles de ceux qui sont statiques repose sur un calcul de distance dans l'espace 3D. Les positions 3D de caractéristiques extraites des images sont estimées par triangulation puis leurs mouvements 3D sont analysés pour réaliser un étiquetage éparse statique/mobile de ces points. Afin de rendre la détection robuste au bruit, l'analyse des mouvements 3D des caractéristiques est comparée à d'autres points précédemment estimés statiques. Une mesure de confiance, mise à jour au cours du temps, est utilisée pour déterminer l'étiquette à attribuer à chacun des points. Nos contributions ont été appliquées à des jeux de données virtuelles (issus du projet Previz 2) et réelles (reconnus dans la communauté [Och+14]) et les comparaisons ont été réalisées avec l'état de l'art. Les résultats obtenus montrent que la contrainte 3D proposée dans cette thèse, couplée à une analyse statistique et temporelle des mouvements, permet de détecter des éléments mobiles dans le flux vidéo d'une caméra en mouvement et ce même dans des cas complexes où les mouvements apparents de la scène ne sont pas uniformes / Moving objects detection in video streams is a commonly used technique in many computer vision algorithms. The detection becomes more complex when the camera is moving. The environment observed by this type of camera appeared moving and it is more difficult to distinguish the objects which are in movement from the others that composed the static part of the scene. In this thesis we propose contributions for the detection of moving objects in the video stream of a moving camera. The main idea to differenciate between moving and static objects based on 3D distances. 3D positions of feature points extracted from images are estimated by triangulation and then their 3D motions are analyzed in order to provide a sparse static/moving labeling. To provide a more robust detection, the analysis of the 3D motions is compared to those of feature points previously estimated static. A confidance value updated over time is used to decide on labels to attribute to each point.We make experiments on virtual (from the Previz project 1) and real datasets (known by the community [Och+14]) and we compare the results with the state of the art. The results show that our 3D constraint coupled with a statistical and temporal analysis of motions allow to detect moving elements in the video stream of a moving camera even in complex cases where apparent motions of the scene are not similars

Pour mieux comprendre les résultats géophysiques en termes de géologie, il est important d'utiliser différents types de données acquises par plusieurs méthodes. Une seule méthode géophysique n'a pas nécessairement la résolution suffisante pour expliquer la géologie. Avec une seule méthode, il peut être difficile de donner un sens géologique aux anomalies observées dans les modèles. L'inversion conjointe, en revanche, est une approche permettant de combiner des données de différentes natures. L'inversion conjointe peut être réalisée de deux façons : structurale ou pétrophysique. On peut subdiviser les inversions conjointes en deux groupes : l'inversion conjointe de méthodes sensibles au même paramètre physique comme les sondages électriques DC-DC et AC-DC, et l'inversion conjointe de méthodes sensibles aux paramètres de natures différentes, comme la gravimétrie et la sismique ou la sismique et la magnétotellurique (MT).Dans ce travail de thèse, je présente la solution de l'inversion conjointe de données MT et gravimétriques. La bonne résolution verticale mais la faible couverture spatiale des données MT peuvent être complémentaire des données gravimétriques qui possèdent une excellente couverture spatiale mais une faible résolution verticale.Le problème qui se pose dans l'inversion conjointe de données de différentes natures, est comment relier les différents paramètres. Des formules analytiques entre les vitesses sismiques et les densités ou entre les résistivités électriques et les densités sont destinées à des études spécifiques. En général, il n'est pas évident de relier les paramètres par des relations pétrophysiques. Par conséquent, il est nécessaire de développer des algorithmes qui n'imposent pas de relation spécifique entre les paramètres. L'approche d'inversion conjointe présentée ici est assez générale. Je pose une fonction de condition géométrique (GCF) sous laquelle les paramètres varient dans le même domaine pour imager les mêmes milieux.La méthodologie développée durant cette thèse est testée et validée sur des modèles synthétiques. Une application est réalisée sur les données réelles acquises dans la région de Turkana, Nord Kenya, une branche du Rift Est Africain. Les résultats obtenus ont permis de confirmer certaines conclusions apportées par les résultats de la sismique réflexion et d'apporter de nouvelles informations. L'étude a permis, en effet, de mettre en évidence deux Bassins en forme de demi-graben et de déterminer l'épaisseur des basaltes, jusque là inconnus. Une stratigraphie est proposée pour les bassins de Turkana et de Kachoda. Concernant l'étude de la lithosphère, nos résultats montrent une croûte très hétérogène et un manteau supérieur homogène. Deux anomalies (conductrices et moins denses) ont été mises en évidence entre la croûte inférieure.Ces anomalies peuvent être des zones de fusion partielle à priori sont déconnectées du manteau supérieur ou s'est initié la fusion.