Cette thèse propose de répondre, par l'analyse d'images aériennes à très haute résolution spatiale, aux besoins en information des gestionnaires de territoires viticoles. Les méthodes développées pour la détection des parcelles sont basées sur la reconnaissance de structures spatiales orientées et périodiques. Une analyse fréquentielle permet la segmentation des parcelles en polygones ainsi qu'une caractérisation précise de l'orientation des rangs et de la distance interrang. Ces caractéristiques permettent ensuite l'extraction et l'étude détaillée de chaque rang de vigne, avec pour objectifs 1) d'améliorer le contour des parcelles segmentées, 2) de détecter les pieds manquants et 3) de caractériser les interrangs. Ces travaux de thèse ont permis de répondre à l'essentiel de la demande des utilisateurs par la mise en place d'un processus automatique de détection, segmentation et caractérisation de la vigne.

Le recherche en connexionnisme est en face des fortes contraintes d'autonomie en robotique notamment issues des tâches perceptives visuelles qui n'ont pas encore été satisfaites par les modèles neuronaux utilisés jusqu'à aujourd'hui, surtout celles liées à la perception du mouvement. Dans ce cadre, nous proposons un modèle connexionniste neuromimétique permettant de traiter un ensemble de tâches de perception visuelle dynamique (robot/objets environnants en mouvement). Cela implique le compromis de maintenir la satisfaction des contraintes (bio-inspiration, traitements locaux massivement distribués en vue d'une implantation ultérieure temps-réel embarquée sur circuit FPGA, Field Programmable Gate Array) au coeur de la définition du modèle proposé, malgré la complexité des tâches en jeu.<br />Le modèle connexionniste proposé pour la perception visuelle du mouvement est constitué de trois modules : le premier opère un filtrage spatio-temporel causal issu des filtres de Gabor et inspiré des réponses des cellules simples du cortex visuel primaire, V1. Le deuxième met en place un mécanisme distribué de fortes interactions localisées fondé sur un principe antagoniste inspiré de l'organisation en colonnes d'orientation dans V1. Finalement, en nous inspirant des propriétés des champs récepteurs des neurones de MT et MST (aire temporelle moyenne et supérieur moyenne, respectivement), nous intégrons les réponses du second module et les envoyons au troisième. Ce dernier fait émerger un seul objet en mouvement à travers l'évolution en différentes cartes des interactions latérales, en pro-action et en retro-action d'une population neuronale densément interconnectée selon le principe de la CNFT (Continuum Neural Field Theory). L'attention sur l'objet émergé nous permet donc de le suivre.