Cette thèse concerne la détection de petits objets dans une image en utilisant les techniques de super-résolution (SR). La reconstruction d'une image par une méthode de SR consiste à produire une image de haute résolution (HR), à partir de plusieurs images de basse résolution (BR) obtenues par l'intermédiaire de différentes caméras, ou à partir d'une séquence vidéo acquise avec une seule caméra. Obtenir une image HR nécessite deux étapes : le recalage des images BR dans un repère commun, et la construction de l'image HR par leur fusion.<br /><br />Ce mémoire présente donc deux parties. La première est consacrée à la détection et aux méthodes de recalage d'images, et la seconde aux techniques de restauration d'images par SR. Concernant la première partie, plusieurs méthodes ont été évaluées : une méthode fréquentielle de recalage utilisant le principe de corrélation de phase d'une part, et une méthode de détection de petits points basée sur un estimateur MAP dans le formalisme bayésien d'autre part. Dans la seconde partie, une nouvelle méthode de SR utilisant une modélisation markovienne hiérarchique de l'image HR dans le cadre de l'estimation bayésienne est proposée. Cette nouvelle approche, qui est basée sur l'idée que l'image HR est constituée de zones homogènes, permet d'obtenir non seulement une image de bonne qualité, mais également un résultat de segmentation de la scène HR.