Dans les applications de modélisation de l'environnement, on dispose généralement de plusieurs images<br />3D de la même scène prises de points de vue différents. Le recalage de ces vues consiste à estimer les<br />transformations rigides qui permettent de les ramener dans un référentiel commun. Cette thèse propose<br />des solutions pour réaliser le recalage automatique de nuages de points denses et non structurés acquis<br />par un scanner 3D/couleur à haute résolution, en vue de la construction de modèles 3D texturés d'objets<br />complexes. La première contribution de ce travail concerne l'utilisation de l'information couleur pour<br />améliorer les performances du recalage en utilisant l'algorithme ICP (Iterative Closest Point)<br />initialement conçu pour le traitement de données géométriques pures. Lorsque le niveau du bruit sur la<br />couleur n'est pas trop élevé, l'utilisation de cette information photométrique permet d'améliorer la<br />convergence de l'algorithme et de réduire l'erreur résiduelle de recalage dans l'espace 3D. Une étude<br />concernant la robustesse de la méthode au bruit sur la couleur montre qu'on peut diminuer l'effet négatif<br />des changements d'illumination en choisissant un espace couleur perceptuel qui permet de séparer les<br />composantes chromatiques de la composante intensité. La deuxième contribution de ce travail concerne<br />l'automatisation du processus de recalage. En effet, pour éviter que l'algorithme itératif de recalage ne<br />converge vers un minimum local, il est nécessaire de lui fournir une transformation initiale proche de la<br />solution exacte. Pour estimer cette transformation de manière automatique on recherche un ensemble de<br />paires de points couleur dans les deux nuages à apparier. Ces paires sont construites à partir de points<br />d'intérêt extraits des images couleur à l'aide du détecteur de Harris Précis Couleur. La transformation<br />3D initiale est ensuite estimée en appliquant l'algorithme RANSAC aux paires 3D résultant de<br />l'appariement précédent. Cette méthode permet d'éliminer l'influence des mauvais appariements couleur<br />et fournit généralement une initialisation correcte du processus de recalage. Les tests effectués sur des<br />images réelles illustrent les performances et la faisabilité des solutions proposées.

Cette thèse porte sur le recalage de signaux à partir de l'alignement de leurs landmarks, pour la comparaison d'ensembles de courbes ou d'images. Après une revue des techniques de recalage qui existent dans la littérature, une approche nonparamétrique est proposée pour estimer les landmarks d'une fonction 1D bruitée à partir des lignes de maxima d'ondelettes et de zero-crossings de sa transformée continue en ondelettes. Un nouvel outil, l'intensité structurelle, est introduit pour représenter les positions des points caractéristiques d'une courbe sous forme d'une densité de probabilité. Cette méthode conduit à une nouvelle technique de mise en correspondance automatique des landmarks de deux fonctions. L'approche envisagée dans le cas 1D est étendue au cas 2D en utilisant des décompositions en wedgelets/platelets pour détecter les contours d'une image. De nombreuses simulations et des problèmes réels d'analyse de variance fonctionnelle servent d'illustration des méthodes proposées.