Le nombre de degrés de liberté à contrôler dans un système d'optique adaptative (OA) passe de quelques centaines pour les grands télescopes actuels à plusieurs milliers prévus sur les futurs télescopes de 30 à 100 mètres de diamètre. La méthode de commande de cette OA doit être repensée à la fois pour être en adéquation avec les nouveaux critères de performance et pour pouvoir estimer un si grand nombre de paramètres en temps réel. Je montre d'abord qu'il est possible d'améliorer l'estimation de la déformation de la surface d'onde, d'un facteur 2 sur la variance de l'erreur, en tenant compte de connaissances a priori sur la statistique de la turbulence atmosphérique et ce, tout en utilisant un algorithme rapide adapté aux grands systèmes. Ensuite, l'optimisation d'un critère en boucle fermée me conduit à une commande optimale par modèle interne, applicable en temps réel sur un télescope hectométrique grâce à l'algorithme rapide cité précédemment. La robustesse de cette nouvelle méthode de commande a enfin été éprouvée sur un simulateur complet d'OA et ses performances ont été comparées à d'autres approches.

Cette thèse aborde des problématiques d'estimation et de détection supervisée en imagerie hyperspectrale, appliquées ici aux environnements côtiers. Des modèles bathymétriques de réflectance sont utilisés afin de représenter l'influence de la colonne d'eau sur la lumière incidente. Différents paramètres sont dits optiquement actifs et agissent sur le spectre de réflectance (phytoplancton, matière organique dissoute colorée...). Nous proposons d'adopter une nouvelle approche statistique pour estimer ces paramètres, traditionnellement retrouvés par inversion des modèles physiques. Différentes méthodes telles que l'estimation du maximum de vraisemblance et du maximum a posteriori, ainsi que le calcul des bornes de Cramér-Rao, sont implémentées avec succès sur les données synthétiques et réelles. Par ailleurs, nous adaptons les filtres supervisés couramment utilisés au contexte de la détection de cibles immergées. Dans le cas où les paramètres caractéristiques de la colonne d'eau sont inconnus, nous développons un nouveau filtre issu du test du rapport de vraisemblance généralisé permettant la détection sans aucune connaissance a priori sur ces paramètres.