Dans cette thèse, nous abordons le problème de la segmentation d'image dans le cadre de la vision cognitive. Plus précisément, nous étudions deux problèmes majeurs dans les systèmes de vision : la sélection d'un algorithme de segmentation et le réglage de ses paramètres selon le contenu de l'image et les besoins de l'application. Nous proposons une méthodologie reposant sur des techniques d'apprentissage pour faciliter la configuration des algorithmes et adapter en continu la tâche de segmentation. Notre première contribution est une procédure d'optimisation générique pour l'extraction automatiquement des paramètres optimaux des algorithmes. L'évaluation de la qualité de la segmentation est faite suivant une segmentation de référence. De cette manière, la tâche de l'utilisateur est réduite à fournir des données de référence pour des images d'apprentissage, comme des segmentations manuelles. Une seconde contribution est une stratégie pour le problème de sélection d'algorithme. Cette stratégie repose sur un jeu d'images d'apprentissage représentatif du problème. La première partie utilise le résultat de l'étape d'optimisation pour classer les algorithmes selon leurs valeurs de performance pour chaque image. La seconde partie consiste à identifier différentes situations à partir du jeu d'images d'apprentissage (modélisation du contexte) et à associer un algorithme paramétré avec chaque situation identifiée. Une troisième contribution est une approche sémantique pour la segmentation d'image. Dans cette approche, nous combinons le résultat des segmentations optimisées avec un processus d'étiquetage des régions. Les labels des régions sont donnés par des classificateurs de régions eux-mêmes entrainés à partir d'exemples annotés par l'utilisateur. Une quatrième contribution est l'implémentation de l'approche et le développement d'un outil graphique dédié à l'extraction, l'apprentissage, et l'utilisation de la connaissance pour la segmentation (modélisation et apprentissage du contexte pour la sélection dynamique d'algorithme de segmentation, optimisation automatique des paramètres, annotations des régions et apprentissage des classifieurs). Nous avons testé notre approche sur deux applications réelles : une application biologique (comptage d'insectes sur des feuilles de rosier) et une application de vidéo surveillance. Pour la première application, la segmentation des insectes obtenue par notre approche est de meilleure qualité qu'une segmentation non-adaptative et permet donc au système de vision de compter les insectes avec une meilleure précision. Pour l'application de vidéo surveillance, la principale contribution de l'approche proposée se situe au niveau de la modélisation du contexte, permettant d'adapter le choix d'un modèle de fond suivant les caractéristiques spatio-temporelles de l'image. Notre approche permet ainsi aux applications de vidéo surveillance d'élargir leur champ d'application aux environnements fortement variables comme les très longues séquences (plusieurs heures) en extérieur. Afin de montrer le potentiel et les limites de notre approche, nous présentons les résultats, une évaluation quantitative et une comparaison avec des segmentations non-adaptative.

Ce mémoire constitue une synthèse de nos activités de recherche, d'animation scientifique, d'enseignement et de responsabilité pédagogique entre 1998 et 2008. <br />Depuis une dizaine d'années, les concepteurs de systèmes mécatroniques doivent satisfaire des exigences de plus en plus sévères et nombreuses. Pour cela, ils doivent créer des solutions qui tendent à se complexifier, pour porter de multiples fonctions de service ou intégrer les dernières technologies innovantes. La conception d'un système mécatronique passe par la conception architecturale qui réalise l'identification de l'architecture du système. Cette activité requiert l'implication d'un métier émergent et stratégique : l' "architecte système". En même temps que l'ingénierie technique, l'architecte système doit assurer l'ingénierie organisationnelle de la conception, c'est-à-dire, définir une organisation adéquate du système de conception. Ce double rôle est critique lors de la phase de conception préliminaire, car les décisions prises auront un impact fort sur les performances de l'ensemble du projet.<br />La finalité de nos travaux est de développer des modèles, méthodes et outils d'aide à la décision permettant de supporter les activités à la fois technique et organisationnelle d'un architecte système. L'originalité majeure de notre projet réside dans le couplage que nous recherchons entre les architectures du système-produit, du système-projet et du système de compétences de conception.<br />Nous avons structuré nos contributions selon trois thématiques et répondu aux questions suivantes :<br />T1 - Identification d'une architecture modulaire du produit : comment identifier une architecture modulaire ? Comment modéliser l'architecture d'une famille de produits et générer la diversité ?<br />T2 - Organisation du système de conception : comment constituer des équipes compétentes ? Comment piloter les systèmes de compétences ? <br />T3 - Co-conception des architectures produit-projet : Comment propager des évolutions des modules du produit vers l'organisation du système de conception ? Comment coupler l'architecture du produit et l'organisation du système de conception ?<br />Des perspectives sont proposées propres aux deux thématiques majeures de notre projet (T1 et T2), ainsi que quatre extensions possibles : <br />1) Vers une conception collaborative consciente,<br />2) Vers une performance durable du système de conception,<br />3) Vers un système agile de systèmes de conception,<br />4) Vers une conception intégrée de systèmes micro-mécatroniques.