Cette thèse contient des contributions en analyse numérique et en vision par ordinateur. Dans une première partie, nous nous intéressons à la résolution rapide, par des méthodes de premier ordre, de problèmes d'optimisation convexe. Ces problèmes apparaissent naturellement dans de nombreuses tâches telles que la reconstruction d'images, l'échantillonnage compressif ou la décomposition d'images en texture et en géométrie. Ils ont la particularité d'être non différentiables ou très mal conditionnés. On montre qu'en utilisant des propriétés fines des fonctions à minimiser on peut obtenir des algorithmes de minimisation extrêmement efficaces. On analyse systématiquement leurs taux de convergence en utilisant des résultats récents dûs à Y. Nesterov. Les méthodes proposées correspondent - à notre connaissance - à l'état de l'art des méthodes de premier ordre. Dans une deuxième partie, nous nous intéressons au problème de la détection de changements entre deux images satellitaires prises au même endroit à des instants différents. Une des difficultés principales à surmonter pour résoudre ce problème est de s'affranchir des conditions d'illuminations différentes entre les deux prises de vue. Ceci nous mène à l'étude de l'invariance aux changements d'illuminations des lignes de niveau d'une image. On caractérise complètement les scènes qui fournissent des lignes de niveau invariantes. Celles-ci correspondent assez bien à des milieux urbains. On propose alors un algorithme simple de détection de changements qui fournit des résultats très satisfaisants sur des images synthétiques et des images Quickbird réelles.

Nous nous intéressons à la modélisation des mouvements de foule causés par des situations d'évacuation d'urgence. L'objectif de cette thèse est de proposer un modèle mathématique et une méthode numérique de gestion des contacts, afin de traiter les interactions locales entre les personnes pour finalement mieux rendre compte de la dynamique globale du trafic piétonnier. Nous proposons un modèle microscopique de mouvements de foule reposant sur deux principes. D'une part, chaque personne a une vitesse souhaitée, celle qu'elle aurait en l'absence des autres. D'autre part, la vitesse réelle des individus prend en compte une certaine contrainte d'encombrement maximal. En précisant le lien entre ces deux vitesses, le problème d'évolution prend la forme d'une inclusion différentielle du premier ordre. Son caractère bien posé est démontré en utilisant des résultats sur les processus de rafle par des ensembles uniformément prox-réguliers. Ensuite, nous présentons un schéma numérique et démontrons sa convergence. Pour calculer une vitesse souhaitée particulière (celle dirigée par le plus court chemin évitant les obstacles), nous présentons une programmation orientée objet ayant pour but de simuler l'évacuation d'une structure de plusieurs étages présentant une géométrie quelconque. Nous finissons avec d'autres choix de vitesse souhaitée (par exemple, en ajoutant des stratégies individuelles) et présentons les résultats numériques associés. Ces simulations numériques permettent de retrouver certains phénomènes observés lors de déplacements piétonniers.

Ces méthodes ont pour but commun l'étude des transitions de phase sous l'aspect analytique de singularités de fonctions. On présente les modèles discrets à spins d'Ising qui servent de support à ce travail. Les fonctions d'énergie de la physique statistique sont alors étudiées dans un contexte général d'approximations de singularités de fonctions convexes. Autour de la notion de matrice de transfert sont élaborées des propriétés de localisation de racines de polynômes. On termine par l'élaboration d'algorithmes de calcul formel de quelques fonctions fondamentales de la physique statistique: fonction de partition, énergie libre. On donne un panorama assez vaste des résultats obtenus à l'aide de ces algorithmes

A chaque instant $t$, nous construisons la dynamique des particules collantes dont la masse est distribuée initialement suivant une fonction de répartition $F_0$, avec une vitesse $u_0$, à partir de l'enveloppe convexe $H(\cdot,t)$ de la fonction $m\in (0,1)\mapsto \int_a^m\big( F_0^(-1)(z) + tu_0\big(F_0^(-1)(z)\big)\big)dz$. Ici, $F_0^(-1)$ est l'une des deux fonctions inverses de $F_0$. Nous montrons que les deux processus stochastiques $X_t^-(m)= \partial_m^-H(m,t),\; X_t^+(m) = \partial_m^+H(m,t)$, définis sur l'espace probabilisé $([0, 1], (\cal B), \lambda)$, sont indistinguables et ils modélisent les trajectoires des particules. Le processus $X_t:= X_t^- = X_t^+$ est une solution de l'équation $(EDS): \; \frac(dX_t)(dt) =\E[ u_0(X_0)/X_t]$, telle que $P(X_0 \leq x) = F_0(x)\,\,\forall x$. L'inverse $M_t:= M(\cdot,t)$ de la fonction $m\mapsto \partial_mH(m,t)$ est la fonction de répartition de la masse à l'instant $t$. Elle est aussi la fonction de répartition de la variable aléatoire $X_t$. On montre l'existence d'un flot $(\phi(x,t,M_s, u_s))_( s < t)$ tel que $X_t= \phi(X_s,t,M_s,u_s)$, où $u_s(x) = \E[ u_0(X_0)/X_s = x]$ est la fonction vitesse des particules à l'instant $s$. Si $\frac(dF_0^n)(dx)$ converge faiblement vers $\frac(dF_0)(dx)$, alors la suite des flots $\phi(\cdot,\cdot,F_0^n,u_0)$ converge uniformément, sur tout compact, vers $\phi(\cdot,\cdot,F_0,u_0)$. Ensuite, nous retrouvons et étendons certains résultats des équations aux dérivées partielles, à savoir que la fonction $(x,t)\mapsto M(x,t)$ est la solution entropique d'une loi de conservation scalaire de donnée initiale $F_0$, et la famille $\big(\rho(dx,t) = P(X_t\in dx),\, u(x,t) = \E[ u_0(X_0)/X_t = x]\big)_(t >0)$ est une solution faible du système de gaz sans pression de données initiales $\frac(dF_0(x))(dx), u_0$. Cette thèse contient aussi d'autres solutions de l'équation différentielle stochastique $(EDS)$ ci-dessus.

Cette thèse porte sur les décompositions en ondelettes M-bandes en arbre dual ainsi que sur leur application à l'analyse et la restauration d'images. Ces décompositions permettent d'obtenir une analyse multi-échelles, directionnelle et locale des images. Elles s'inscrivent donc dans la perspective de travaux récents visant à mieux représenter les informations géométriques (textures, contours) et les préserver lors de traitements. Ce travail s'appuie sur les travaux antérieurs de N. Kingsbury et I. Selesnick portant sur la construction de décompositions en ondelettes formant des paires de Hilbert (approchées). Ces auteurs ont établi divers résultats concernant le cas dyadique et l'une de nos contributions a été de montrer qu'il était possible de généraliser leurs conclusions et de montrer de nouveaux résultats dans le cas M-bandes. Les représentations proposées présentent de nombreux avantages notamment en termes d'invariance par translation de l'analyse et de sélectivité directionnelle. Nous avons établi les conditions que doivent satisfaire les bancs de filtres en arbre dual servant à l'analyse et à la synthèse des signaux traités. Nous avons également étudié les pré-traitements qu'il est nécessaire d'appliquer à des données discrètes. Ces décompositions introduisant typiquement une redondance d'un facteur 2 (dans le cas réel, et de 4 dans le cas complexe), elles constituent des trames à partir desquelles on peut calculer une reconstruction optimale. Ces nouvelles transformées ont finalement été généralisées aux cadres biorthogonal et complexe. Notre volonté d'appliquer ces outils d'analyse au débruitage de signaux nous a conduit à l'étude des propriétés statistiques des coefficients issus de la décomposition M-bandes en arbre dual d'un processus aléatoire stationnaire au sens large. Nous avons tout d'abord calculé les statistiques au second ordre de ces coefficients et nous avons étudié le rôle du post-traitement dans le calcul des corrélations. Quelques résultats asymptotiques concernant les corrélations d'un couple de coefficients primal/dual ont également été obtenus. Les inter-corrélations entre les ondelettes primale et duale jouant un rôle clé dans notre étude, nous en avons fourni des expressions exactes pour quelques familles d'ondelettes usuelles. Des simulations numériques nous ont aussi permis de valider nos résultats théoriques ainsi que d'évaluer la zone d'influence de la dépendance statistique induite. Pour démontrer l'efficacité de ces décompositions, nous avons été amenés à nous intéresser à deux types de problèmes : le débruitage et la déconvolution d'images. En ce qui concerne le débruitage, nous avons poursuivi deux buts principaux liés au cheminement de la thèse. Dans un premier temps, nous nous sommes attachés à montrer que la décomposition en arbre dual M-bandes apporte un gain significatif en terme de qualité, à la fois objective et subjective, par rapport à une décomposition en ondelettes classique, voire une décomposition dyadique en arbre dual. Dans un second temps, nous avons considéré le débruitage d'images multi-canaux pour lesquelles nous avons mis en place un estimateur statistique original reposant sur l'emploi du principe de Stein et permettant notamment de prendre en compte des voisinages quelconques (spatial, intercomposantes, inter-échelles, ...). Les problèmes de déconvolution d'images ont été appréhendés dans le cadre de méthodes variationnelles, en mettant en place un algorithme itératif, utilisant des outils récemment développés en analyse convexe. L'approche proposée permet de résoudre des problèmes inverses associés à des modèles probabilistes variés et elle est applicable à l'analyse M-bandes en arbre dual ainsi qu'à tout autre type de représentation à l'aide d'une trame.

L'utilisation croissante des réseaux à perte de paquets pour la transmission multimédia est placée sous le signe de la fiabilité des données sous contraintes de débit. L'objectif de cette thèse est de construire des représentations dites par "descriptions multiples", à faible redondance, pour compenser la perte d'information sur les canaux de transmission. Nous avons considéré des schémas basées sur des trames d'ondelettes, implantées en "lifting". Dans un premier temps, nous avons considéré la construction de deux descriptions selon l'axe temporel d'un codeur vidéo "t+2D". La redondance introduite par transformée a été ultérieurement réduite par un sous-échantillonnage supplémentaire appliqué aux sous-bandes de détail. Cela permet d'ajuster la redondance à la taille d'une sous-bande d'approximation en ondelettes classiques. Ceci rajoute en revanche un problème de reconstruction parfaite que nous avons étudié en détail. En outre, nous avons établi des critères de choix entre les plusieurs schémas possibles, basés sur la réduction du bruit de quantification. Ensuite, les méthodes ci-dessus ont été adaptées pour le signal bi-dimensionnel (images). Nous avons aussi proposé un post-traitement aux décodeurs, visant à améliorer la qualité de la reconstruction en situation de pertes. Enfin, nous avons abordé le sujet sous un nouvel angle, inspiré de la nouvelle théorie du "Compressed Sensing", en cherchant d'obtenir le débit optimal qui satisfait une contrainte de distorsion maximum autorisée et en exploitant le caractère creux du signal. Cette approche se distingue par le transfert de complexité à l'encodeur en gardant des décodeurs linéaires.

Nous établissons une nouvelle décomposition des surmartingales, additive dans l'algèbre Max-Plus. Elle consiste essentiellement à exprimer toute surmartingale quasi-continue à gauche de la classe (D) comme une espérance conditionnelle d'un certain processus de running supremum. Comme application, nous montrons comment la décomposition Max-Plus permet en particulier de résoudre le problème Américain d'arrêt optimal sans avoir à calculer le prix de l'option. Ensuite, nous donnons quelques exemples illustratifs basés sur des processus de diffusion uni-dimensionnels. Une autre application intéressante concerne l'assurance de portefeuille. Nous proposons en effet une nouvelle approche au problème classique de maximisation d'utilité, avec garantie Américaine. Pour cela, nous nous ramenons à un problème général de martingales, sous contrainte de dominer un obstacle, ou de façon équivalente son enveloppe de Snell, à toute date intermédiaire. L'optimisation est relative à l'ordre convexe sur la valeur terminale, de manière à minimiser le rôle de la fonction d'utilité. Nous montrons l'optimalité de la "martingale Max-Plus" et nous traitons un exemple explicite dans le cadre d'un Brownien géométrique. Par ailleurs, nous exploitons les liens entre les martingales d'Azéma-Yor et la décomposition Max-Plus pour résoudre certains problèmes d'optimisation de portefeuille sous contraintes d'état et d'autres relatifs aux options Américaines perpétuelles. Nous retrouvons en particulier, d'une manière élémentaire, la plupart des résultats classiques sur les frontières Américaines de processus de Lévy. Le dernier chapitre propose de nouvelles méthodes numériques pour valoriser les contrats Swing.

Des observations expérimentales montrent que les modélisations locales ne suffisent pas pour décrire le comportement de matériaux sollicités par de forts gradients des champs mécaniques, qui résultent, par exemple, de la localisation des déformations. On propose ici une démarche constructive qui étend les lois locales de type standard généralisé pour rendre compte des effets de gradients. Elle se fonde, d'une part, sur une méthode d'homogénéisation pour construire une loi à gradients de variables internes à l'échelle du point matériel, et d'autre part, sur une formulation de cette loi à l'échelle de la structure, où les variables sont dorénavant les champs de variables internes. Cette formulation variationnelle du comportement offre un cadre adéquat pour examiner des questions telles que l'existence de solutions au problème d'évolution, le choix des espaces fonctionnels pour les variables internes ou encore le lien entre modèles locaux et modèles à gradients. Par ailleurs, après discrétisation temporelle, la loi de comportement s'exprime comme la minimisation d'une énergie, problème d'optimisation qui est résolu ici au moyen d'un algorithme de lagrangien augmenté. Ce choix permet de confiner les fortes non linéarités – dont le caractère non différentiable de l'énergie – au niveau des points d'intégration, ce qui autorise une introduction aisée de ces développements dans un code de calcul préexistant, le Code_Aster® en l'occurrence. Trois applications permettent alors de mettre en lumière les potentialités de la démarche. Tout d'abord, un modèle élastique fragile illustre son caractère constructif et opérationnel, depuis la construction du modèle jusqu'aux simulations numériques. Ensuite, l'insertion dans ce cadre variationnel des modèles de plasticité à gradients, abondamment employés dans la littérature, démontre le degré de généralité de la formulation. Enfin, son application à la loi de Rousselier pour modéliser un mécanisme de rupture ductile des aciers permet d'examiner l'interaction entre grandes déformations plastiques, d'une part, et comportement non local, d'autre part.

L'objectif de cette thèse est de proposer des méthodes fiables, efficaces et rapides pour minimiser des critères convexes apparaissant dans la résolution de problèmes inverses en imagerie. Ainsi, nous nous intéresserons à des problèmes de restauration/reconstruction lorsque les données sont dégradées par un opérateur linéaire et un bruit qui peut être non additif. La fiabilité de la méthode sera assurée par l'utilisation d'algorithmes proximaux dont la convergence est garantie lorsqu'il s'agit de minimiser des critères convexes. La quête d'efficacité impliquera le choix d'un critère adapté aux caractéristiques du bruit, à l'opérateur linéaire et au type d'image à reconstruire. En particulier, nous utiliserons des termes de régularisation basés sur la variation totale et/ou favorisant la parcimonie des coefficients du signal recherché dans une trame. L'utilisation de trames nous amènera à considérer deux approches : une formulation du critère à l'analyse et une formulation du critère à la synthèse. De plus, nous étendrons les algorithmes proximaux et leurs preuves de convergence aux cas de problèmes inverses multicomposantes. La recherche de la rapidité de traitement se traduira par l'utilisation d'algorithmes proximaux parallélisables. Les résultats théoriques obtenus seront illustrés sur différents types de problèmes inverses de grandes tailles comme la restauration d'images mais aussi la stéréoscopie, l'imagerie multispectrale, la décomposition en composantes de texture et de géométrie. Une application attirera plus particulièrement notre attention ; il s'agit de la reconstruction de l'activité dynamique en Tomographie par Emission de Positrons (TEP) qui constitue un problème inverse difficile mettant en jeu un opérateur de projection et un bruit de Poisson dégradant fortement les données observées. Pour optimiser la qualité de reconstruction, nous exploiterons les caractéristiques spatio-temporelles de l'activité dans les tissus.

In this paper we propose an algorithm for solving systems of coupled monotone inclusions in Hilbert spaces. The operators arising in each of the inclusions of the system are processed in each iteration separately, namely, the single-valued are evaluated explicitly (forward steps), while the set-valued ones via their resolvents (backward steps). In addition, most of the steps in the iterative scheme can be executed simultaneously, this making the method applicable to a variety of convex minimization problems. The numerical performances of the proposed splitting algorithm are emphasized through applications in average consensus on colored networks and image classification via support vector machines.