Les satellites de type SPOT, Ikonos ou Quickbird fournissent des images possédant des caractéristiques différentes: d'une part des images de basse résolution spectrale et de haute résolution spatiale, et d'autre part, des images de caractéristiques opposées, c'est-à-dire de haute résolution spectrale combinée à une basse résolution spatiale. De nombreuses applications nécessitent de combiner ces hautes résolutions spatiales et spectrales. Ce travail s'insère dans la synthèse d'images multispectrales à haute résolution au moyen de la fusion d'images. La constatation de lacunes dans la littérature à propos de l'évaluation de la qualité, a mené à l'établissement d'un protocole d'évaluation de la qualité, correspondant à une généralisation de deux travaux précédents. Une étude empirique sur l'évolution de la qualité des produits de fusion dans les échelles complète ce protocole. Une catégorisation des nombreuses distances de la littérature est proposée. Nous ajoutons une nouvelle distance pour caractériser la qualité géométrique des produits de fusion basée sur la fonction de transfert de modulation, que nous avons validée grâce à l'imagerie Ikonos et à son application à quelques méthodes de fusion connues. La sélection d'une série de distances sous forme de bilan de qualité est discutée dans le but d'obtenir une idée de la qualité qui soit la plus complète possible. Puisque nous disposons des outils nécessaires à l'évaluation de la qualité, nous pouvons désormais les exploiter pour le développement de nouvelles méthodes de fusion. Nous avons choisi le concept ARSIS comme cadre de développement car, d'une part, ses différentes implantations donnent généralement de bons bilans de qualité, d'autre part, leur qualité visuelle a été parfois controversée. Une campagne d'évaluation de la qualité visuelle des produits de fusion a permis de répertorier, de classer puis d'expliquer la formation des artefacts de quelques implantations ARSIS. L'étude critique de ces méthodes a mené au développement de trois nouvelles méthodes de fusion qui s'appuient aussi sur des outils extérieurs au concept. Ces nouvelles méthodes sont testées lors d'une seconde campagne d'expérimentation. Une des nouvelles méthodes offre de meilleurs résultats que la méthode de référence choisie. Les expérimentateurs l'ont déclarée acceptable et recommandable pour une utilisation dans le cadre d'une exploitation opérationnelle au sein du ministère de la défense.

La télédétection s'avère être une discipline aux nombreuses applications telles que, la défense du territoire, la planification urbaine, la santé et la gestion de l'environnement. La collecte d'informations statistiques sur le rendement des cultures dans un pays, est une tâche importante de la télédétection. L'acquisition et le traitement d'images satellitaires à très haute résolution (THR) fournissent les moyens d'accomplir de telles tâches. Le traitement de ces images satellitaires exige non seulement de la puissance de calcul mais aussi les algorithmes efficaces en segmentation et classification d'images. Cette thèse présente un travail de mise en œuvre de traitements efficaces en analyse, dans le domaine spectral et celui de la texture, sur des images à très haute résolution (THR). Ce travail combine les résultats de ces deux analyses pour une classification améliorée du couvert végétal. L'analyse spectrale présentée ici s'appuie sur une classification non supervisée, tandis que l'analyse de texture adopte une procédure de classification supervisée. La fusion des informations de type contour, issues de l'analyse spectrale non supervisée, et des informations de type bloc, issues de l'analyse texturale supervisée, conduit à des résultats de classification intéressants et encourageants. En guise d'application, la thèse étudie le cas d'un site comportant vergers, cultures maraîchères, vignes, forêts, jachères de la région de Nîmes en France. La contribution apportée ici concerne, d'une part, une amélioration de la méthode des " k-means ", d'autre part, une solution à l'invariance en rotation des caractéristiques texturales issues d'une transformée de Fourier discrète, et enfin une méthode de fusion d'une classification supervisée avec une classification non supervisée.

Dans cette thèse, nous nous intéressons aux méthodes de la fusion d'images multi focales. Cette technique consiste à fusionner plusieurs images capturées avec différentes distances focales de la même scène. Cela permet d'obtenir une image de meilleure qualité à partir des deux images sources. Nous proposons une méthode de fusion d'images s'appuyant sur les techniques des pyramides Laplaciennes en utilisant comme règle de sélection les transformées d'ondelettes discretes(DWT: Discrete Wavelet Transform). Nous développons, par la suite, deux méthodes de fusion d'images multi focales basée sur la variabilité locale de chaque pixel. Elle tient en compte les informations dans la région environnante des pixels. La première consiste à utiliser la variabilité locale comme information dans la méthode de Dempster-Shafer. La seconde utilise une métrique basée sur la variabilité locale. En effet, la fusion proposée effectue une pondération de chaque pixel par une exponentielle de sa variabilité locale. Une étude comparative entre les méthodes proposées et celles existantes a été réalisée. Les résultats expérimentaux démontrent que nos méthodes proposées donnent des meilleurs fusions, tant dans la perception visuelle que dans l'analyse quantitative. / In this thesis, we are interested in the multi-focus image fusion method. This technique consists of fusing several captured images with different focal lengths of the same scene to obtain an image with better quality than the two source images. We propose an image fusion method based on Laplacian pyramid technique using Discrete Wavelet Transform (DWT) as a selection rule. We then develop two multi-focus image fusion methods based on the local variability of each pixel. It takes into account the information in the surrounding pixel area. The first method is to use local variability as an information in the Dempster-Shafer theory. The second method uses a metric based on local variability. Indeed, the proposed fusion method weighs each pixel by an exponential of its local variability. A comparative study between the proposed methods and the existing methods was carried out. The experimental results show that our proposed methods give better fusions, both in visual perception and in quantitative analysis.

L’imagerie hyperspectrale (HS) consiste à acquérir une même scène dans plusieurs centaines de bandes spectrales contiguës (dimensions d'un cube de données), ce qui a conduit à trois types d'applications pertinentes, telles que la détection de cibles, la classification et le démélange spectral. Cependant, tandis que les capteurs hyperspectraux fournissent une information spectrale abondante, leur résolution spatiale est généralement plus limitée. Ainsi, la fusion d’une image HS avec d'autres images à haute résolution de la même scène, telles que les images multispectrales (MS) ou panchromatiques (PAN) est un problème intéressant. Le problème de fusionner une image HS de haute résolution spectrale mais de résolution spatiale limitée avec une image auxiliaire de haute résolution spatiale mais de résolution spectrale plus limitée (parfois qualifiée de fusion multi-résolution) a été exploré depuis de nombreuses années. D'un point de vue applicatif, ce problème est également important et est motivé par ceratins projets, comme par exemple le project Japonais HISIU, qui vise à fusionner des images MS et HS recalées acquises pour la même scène avec les mêmes conditions. Les techniques de fusion bayésienne permettent une interprétation intuitive du processus de fusion via la définition de la loi a posteriori de l’image à estimer (qui est de hautes résolutions spatiale et spectrale). Puisque le problème de fusion est généralement mal posé, l’inférence bayésienne offre un moyen pratique pour régulariser le problème en définissant une loi a priori adaptée à la scène d'intérêt. Les différents chapitres de cette thèse sont résumés ci-dessous. Le introduction présente le modèle général de fusion et les hypothèses statistiques utilisées pour les images multi-bandes observées, c’est-à-dire les images HS, MS ou PAN. Les images observées sont des versions dégradées de l'image de référence (à hautes résolutions spatiale et spectrale) qui résultent par exemple d’un flou spatial et spectral et/ou d’un sous-échantillonnage liés aux caractéristiques des capteurs. Les propriétés statistiques des mesures sont alors obtenues directement à partir d’un modèle linéaire traduisant ces dégradations et des propriétés statistiques du bruit. Le chapitre 1 s’intéresse à une technique de fusion bayésienne pour les images multi-bandes de télédétection, à savoir pour les images HS, MS et PAN. Tout d'abord, le problème de fusion est formulé dans un cadre d'estimation bayésienne. Une loi a priori Gaussienne exploitant la géométrie du problème est définie et un algorithme d’estimation Bayésienne permettant d’estimer l’image de référence est étudié. Pour obtenir des estimateurs Bayésiens liés à la distribution postérieure résultant, deux algorithmes basés sur échantillonnage de Monte Carlo et l'optimisation stratégie ont été développés. Le chapitre 2 propose une approche variationnelle pour la fusion d’images HS et MS. Le problème de fusion est formulé comme un problème inverse dont la solution est l'image d’intérêt qui est supposée vivre dans un espace de dimension résuite. Un terme de régularisation imposant des contraintes de parcimonie est défini avec soin. Ce terme traduit le fait que les patches de l'image cible sont bien représentés par une combinaison linéaire d’atomes appartenant à un dictionnaire approprié. Les atomes de ce dictionnaire et le support des coefficients des décompositions des patches sur ces atomes sont appris à l’aide de l’image de haute résolution spatiale. Puis, conditionnellement à ces dictionnaires et à ces supports, le problème de fusion est résolu à l’aide d’un algorithme d’optimisation alternée (utilisant l’algorithme ADMM) qui estime de manière itérative l’image d’intérêt et les coefficients de décomposition. / Hyperspectral (HS) imaging, which consists of acquiring a same scene in several hundreds of contiguous spectral bands (a three dimensional data cube), has opened a new range of relevant applications, such as target detection [MS02], classification [C.-03] and spectral unmixing [BDPD+12]. However, while HS sensors provide abundant spectral information, their spatial resolution is generally more limited. Thus, fusing the HS image with other highly resolved images of the same scene, such as multispectral (MS) or panchromatic (PAN) images is an interesting problem. The problem of fusing a high spectral and low spatial resolution image with an auxiliary image of higher spatial but lower spectral resolution, also known as multi-resolution image fusion, has been explored for many years [AMV+11]. From an application point of view, this problem is also important as motivated by recent national programs, e.g., the Japanese next-generation space-borne hyperspectral image suite (HISUI), which fuses co-registered MS and HS images acquired over the same scene under the same conditions [YI13]. Bayesian fusion allows for an intuitive interpretation of the fusion process via the posterior distribution. Since the fusion problem is usually ill-posed, the Bayesian methodology offers a convenient way to regularize the problem by defining appropriate prior distribution for the scene of interest. The aim of this thesis is to study new multi-band image fusion algorithms to enhance the resolution of hyperspectral image. In the first chapter, a hierarchical Bayesian framework is proposed for multi-band image fusion by incorporating forward model, statistical assumptions and Gaussian prior for the target image to be restored. To derive Bayesian estimators associated with the resulting posterior distribution, two algorithms based on Monte Carlo sampling and optimization strategy have been developed. In the second chapter, a sparse regularization using dictionaries learned from the observed images is introduced as an alternative of the naive Gaussian prior proposed in Chapter 1. instead of Gaussian prior is introduced to regularize the ill-posed problem. Identifying the supports jointly with the dictionaries circumvented the difficulty inherent to sparse coding. To minimize the target function, an alternate optimization algorithm has been designed, which accelerates the fusion process magnificently comparing with the simulation-based method. In the third chapter, by exploiting intrinsic properties of the blurring and downsampling matrices, a much more efficient fusion method is proposed thanks to a closed-form solution for the Sylvester matrix equation associated with maximizing the likelihood. The proposed solution can be embedded into an alternating direction method of multipliers or a block coordinate descent method to incorporate different priors or hyper-priors for the fusion problem, allowing for Bayesian estimators. In the last chapter, a joint multi-band image fusion and unmixing scheme is proposed by combining the well admitted linear spectral mixture model and the forward model. The joint fusion and unmixing problem is solved in an alternating optimization framework, mainly consisting of solving a Sylvester equation and projecting onto a simplex resulting from the non-negativity and sum-to-one constraints. The simulation results conducted on synthetic and semi-synthetic images illustrate the advantages of the developed Bayesian estimators, both qualitatively and quantitatively.

L'orientation des fibres myocardiaque est à la base du comportement électro-mécanique du cœur, et connue pour être altérée dans diverses maladies cardiaques telles que la cardiopathie ischémique et l'hypertrophie ventriculaire. Cette thèse porte principalement sur l'imagerie in vivo du tenseur de diffusion (diffusion tensor imaging—DTI) en vue d’obtenir la structure des fibres myocardiques du cœur humain dans des conditions de respiration libre. L'utilisation de DTI pour l'étude du cœur humain in vivo est un grand défi en raison du mouvement cardiaque. En particulier, l’acquisition DTI avec respiration libre sans recourir au gating respiratoire est très difficile à cause des mouvements à a fois respiratoire et cardiaque. Pour aborder ce problème, nous proposons de nouvelles approches consistant à combiner des acquisitions à retards de déclenchement multiples (trigger delay—TD) et des méthodes de post-traitement. D’abord, nous réalisons des acquisitions avec multiples TD décalés en fin de diastole. Ensuite, nous développons deux méthodes de post-traitement. La première méthode s’attaque au problème d’effets de mouvement physiologique sur DTI cardiaque in vivo en utilisant les techniques de recalage et de PCATMIP (Principal Components Analysis filtering and Temporal Maximum Intensity Projection). La deuxième méthode traite le problème de mouvement par l’utilisation d’un algorithme de fusion d’images basé sur l’ondelette (wavelet-based image fusion-WIF) et d’une technique de débruitage PCA (Principal Components Analysis). Enfin, une comparaison des mesures DTI entre la méthode PCATMIP et la méthode WIF est réalisée ; les champs de tenseurs sont calculés, à partir desquels les propriétés de l’architecture des fibres in vivo sont comparées. Les résultats montrent qu’en utilisant les approches proposées, il est possible d’étudier l’impact du mouvement cardiaque sur les paramètres de tenseur de diffusion, et d’explorer les relations sous-jacentes entre les propriétés de tenseur de diffusion mesurées et le mouvement cardiaque. Nous trouvons aussi que la combinaison des acqusiitions avec des TD multiples décalés and des post-traitements d’images peut compenser les effets de mouvement physiologique, ce qui permet d’obtenir l’architecture 3D du cœur humain dans des conditions de respiration libre. Les résultats suggèrent de nouvelles solutions au problème de perte du signal due au mouvement, qui sont prometteuses pour obtenir les propriétés de l’architecture des fibres myocardiques du cœur humain in vivo, dans des conditions cliniques. / The orientation of cardiac fibers underlies the electro-mechanical behavior of the heart, and it is known to be altered in various cardiac diseases such as ischemic heart disease and ventricular hypertrophy. This thesis mainly focuses on in vivo diffusion tensor imaging (DTI) to obtain the myocardial fiber structure of the human heart under free-breathing conditions. The use of DTI for studying the human heart in vivo is challenging due to cardiac motion. In particular, free-breathing DTI acquisition without resorting to respiratory gating is very difficult due to both respiratory and cardiac motion. To deal with this problem, we propose novel approaches that combine multiple shifted trigger delay (TD) acquisitions and post-processing methods. First, we perform multiple shifted TD acquisitions at end diastole. Then, we focus on two different post-processing methods. The first method addresses physiological motion effects on in vivo cardiac DTI using image co-registration and PCATMIP (Principal Components Analysis filtering and Temporal Maximum Intensity Projection). The second method is a wavelet-based image fusion (WIF) algorithm combined with a PCA noise removing method. Finally, a comparison of DTI measurements between the PCATMIP and WIF methods is also performed; tensor fields are calculated, from which the in vivo fiber architecture properties are compared. The results show that using the proposed approaches, we are able to study the cardiac motion effects on diffusion tensor parameters, and investigate the underlying relationship between the measured diffusion tensor properties and the cardiac motion. We also find that the combination of multiple shifted TD acquisitions and dedicated image post-processing can compensate for physiological motion effects, which allows us to obtain 3D fiber architectures of the human heart under free-breathing conditions. The findings suggest new solutions to signal loss problems associated with bulk motion, which are promising for obtaining in vivo human myocardial fiber architecture properties in clinical conditions.