L'imagerie photoacoustique est une modalité d'imagerie fonctionnelle basée sur la génération d'ondes acoustiques par des tissus soumis à une illumination optique (impulsion laser). L'utilisation de différentes longueurs d'ondes optiques permet la discrimination des milieux imagés. Cette modalité est prometteuse pour de nombreuses applications médicales liées, par exemple, à la croissance, au vieillissement et à l'évolution de la vascularisation des tissus. En effet, l'accès à l'oxygénation du sang dans les tissus est rendu possible par l'imagerie photoacoustique. Cela permet, entre autres applications, la discrimination de tumeurs bénignes ou malignes et la datation de la mort tissulaire (nécrose). Ce travail de thèse a pour objectif principal la construction d'une chaîne de traitement des données photoacoustiques multispectrales pour le calcul de l'oxygénation du sang dans les tissus. Les principales étapes sont, d'une part, la discrimination des données (clustering), pour extraire les zones d'intérêt, et d'autre part, la quantification des différents constituants présents dans celles-ci (unmixing). Plusieurs méthodes non supervisées de discrimination et de quantification ont été développées et leurs performances comparées sur des données photoacoustiques multispectrales expérimentales. Celles-ci ont été acquises sur la plateforme photoacoustique du laboratoire, lors de collaborations avec d'autres laboratoires et également sur un système commercial. Pour la validation des méthodes développées, de nombreux fantômes contenant différents absorbeurs optiques ont été conçus. Lors du séjour de cotutelle de thèse en Italie, des modes d'imagerie spécifiques pour l'imagerie photoacoustique 2D et 3D temps-réel ont été développés sur un échographe de recherche. Enfin, des acquisitions in vivo sur modèle animal (souris) au moyen d'un système commercial ont été réalisées pour valider ces développements. / Photoacoustic imaging is a functional technique based on the creation of acoustic waves from tissues excited by an optical source (laser pulses). The illumination of a region of interest, with a range of optical wavelengths, allows the discrimination of the imaged media. This modality is promising for various medical applications in which growth, aging and evolution of tissue vascularization have to be studied. Thereby, photoacoustic imaging provides access to blood oxygenation in biological tissues and also allows the discrimination of benign or malignant tumors and the dating of tissue death (necrosis). The present thesis aims at developing a multispectral photoacoustic image processing chain for the calculation of blood oxygenation in biological tissues. The main steps are, first, the data discrimination (clustering), to extract the regions of interest, and second, the quantification of the different media in these regions (unmixing). Several unsupervised clustering and unmixing methods have been developed and their performance compared on experimental multispectral photoacoustic data. They were acquired on the experimental photoacoustic platform of the laboratory, during collaborations with other laboratories and also on a commercial system. For the validation of the developed methods, many phantoms containing different optical absorbers have been produced. During the co-supervision stay in Italy, specific imaging modes for 2D and 3D real-time photoacoustic imaging were developed on a research scanner. Finally, in vivo acquisitions using a commercial system were conducted on animal model (mouse) to validate these developments.

The master thesis deals with subpixel classification of hyperspectral data from senzor APEX. In the first part there is research from the literature describing algorithms of the subpixel classifications and spectral characteristics of the vegetation. In the practical part there is a work focusing on the classification of the areas with the cover of Norway Spruce trees at eight areas in the Krkonoše national park. Three methods of supervised classification were used - Linear Spectral Unmixing, Support Vector Machine and Spectral Angle Mapper. Field data, spectral curves for exact trees from the eight areas obtained by the contact probe ASD FieldSpec 4 Wide-Res, were used for the extraction of endmembers of the spruces. For each research area maps of land cover were produced by means of the classification methods described above and the accuracies of the classifications were evaluated. Powered by TCPDF (www.tcpdf.org)

Les acquisitions de télédétection ont des caractéristiques complémentaires en termes de résolution spatiale et temporelle et peuvent mesurer différents aspects de la couverture neigeuse (propriétés physiques de surface, type de neige, etc.). En combinant plusieurs acquisitions, il devrait être possible d'obtenir un suivi précis et continu de la neige. Cependant, cet objectif se heurte à la complexité du traitement des images satellites et à la confusion possible entre les différents matériaux observés. Plus particulièrement, l’accès à l’information fractionnelle, c’est-à-dire à la proportion de neige dans chaque pixel, nécessite de retrouver la proportion de l’ensemble des matériaux qui se trouvent dans celui-ci. Ces proportions sont accessibles via des méthodes d’inversions ou démélange spectral se basant sur la résolution spectrale des images obtenues. Le défi général est alors d’arriver à exploiter correctement les différentes informations de natures différentes qui nous sont apportées par les différentes acquisitions afin de produire des cartes d’enneigement précises. Les objectifs de la thèse sont alors au nombre de trois et peuvent se résumer par trois grandes interrogations qui permettent de traiter les différents points évoqués:- Quelles sont les limitations actuelles de l’état de l'art pour l’observation spatiale optique de la neige ?- Comment exploiter les séries temporelles pour s’adapter à la variabilité spectrale des matériaux ?- Est-il possible de généraliser la fusion de données pour une acquisition multimodale à partir de capteurs optiques ?Une étude complète des différents produits de neige issus du satellite MODIS est ainsi proposée, permettant l’identification des nombreuses limitations dont la principale est le haut taux d’erreurs lors de la reconstitution de la fraction (environ 30%). Parmi ces résultats sont notamment identifiés des problèmes liés aux méthodes de démélange face à la variabilité spectrale des matériaux. Face à ces limitations nous avons exploité les séries temporelles MODIS pour proposer une nouvelle approche d’estimation des endmembers, étape critique du démélange spectral. La faible évolution temporelle du milieu (hors neige) est alors utilisée pour contraindre l’estimation des endmembers non seulement sur l’image d’intérêt, mais également sur les images des jours précédents. L’efficacité de cette approche bien que démontrée ici reste sujette aux limitations de résolution spatiale intrinsèques au capteur. Des expérimentations sur la fusion de donnée, à même de pouvoir améliorer la qualité des images, ont par conséquent été réalisées. Devant les limitations de ces méthodes dans le cas des capteurs multispectraux utilisés, une nouvelle approche de fusion a été proposée. Via la formulation d’un nouveau modèle et sa résolution, la fusion entre des capteurs optiques de tous types peut être réalisée sans considération de recouvrement spectral. Les différentes expérimentations sur l’estimation de cartes de neige montrent un intérêt certain d’une meilleure résolution spatiale pour isoler les zones enneigées. Ce travail montre ainsi les nouvelles possibilités de développement pour l’observation de la neige, mais également les évolutions de l’utilisation combinée des images satellites pour l’observation de la Terre en général. / Remote sensing acquisitions have complementary characteristics in terms of spatial and temporal resolution and can measure different aspects of snow cover (e.g., surface physical properties and snow type). By combining several acquisitions, it should be possible to obtain a precise and continuous monitoring of the snow. However, this task has to face the complexity of processing satellite images and the possible confusion between different materials observed. In particular, the estimation of fractional information, i.e., the amount of snow in each pixel, requires to know the proportion of the materials present in a scene. These proportions can be obtained performing spectral unmixing. The challenge is then to effectively exploit the information of different natures that are provided by the multiple acquisitions in order to produce accurate snow maps.Three main objectives are addressed by this thesis and can be summarized by the three following questions:- What are the current limitations of state-of-the-art techniques for the estimation of snow cover extent from optical observations?- How to exploit a time series for coping with the spectral variability of materials?- How can we take advantage of multimodal acquisitions from optical sensors for estimating snow cover maps?A complete study of the various snow products from the MODIS satellite is proposed. It allows the identification of numerous limitations, the main one being the high rate of errors during the estimation of the snow fraction (approximately 30%).The experimental analysis allowed to highlight the sensitivity of the spectral unmixing methods against the spectral variability of materials.Given these limitations, we have exploited the MODIS time series to propose a new endmembers estimation approach, addressing a critical step in spectral unmixing. The low temporal evolution of the medium (except snow) is then used to constrain the estimation of the endmembers not only on the image of interest, but also on images of the previous days. The effectiveness of this approach, although demonstrated here, remains limited by the spatial resolution of the sensor.Data fusion has been considered aiming at taking advantage of multiple acquisitions with different characteristics in term of resolution available on the same scene. Given the limitations of the actual methods in the case of multispectral sensors, a new fusion approach has been proposed. Through the formulation of a new model and its resolution, the fusion between optical sensors of all types can be achieved without consideration of their characteristics. The various experiments on the estimation of snow maps show a clear interest of a better spatial resolution to isolate the snow covered areas. The improvement in spectral resolution will improve future approaches based on spectral unmixing.This work explores the new possibilities of development for the observation of snow, but also for the combined use of the satellite images for the observation of the Earth in general.

Les astrocytes sont capables de sécréter des gliotransmetteurs en réponse à une stimulation qui engendre l'augmentation de la concentration calcique intra-cellulaire. Différents mécanismes de sécrétion ont été proposés, parmi lesquels l'exocytose régulée. Mais les expériences menées dans le but d'observer la fusion d'organelles individuels dans des astrocytes en culture ont conduit à des résultats contradictoires, notamment en terme d'identité des vésicules libérables. Nos expériences préliminaires nous ont convaincus que les conflits sur l'identité des organelles libérables sont dus à de fausses colocalisations à cause du recouvrement spectral des marqueurs fluorescents utilisés et de la présence d'autofluorescence dans les astrocytes en culture. Nous avons donc adapté la décomposition spectrale à l'identification rigoureuse d'organelles individuels et au suivi de leur exocytose. La décomposition spectrale permet la séparation de sources de fluorescence mal séparées et ainsi l'étude de l'expression et de la colocalisation de protéines fluorescentes, même en présence d'autofluorescence. Nous avons à cette occasion introduit un intervalle de confiance du résultat de l'estimation des quantités de colorants. Appliquée au marquage des organelles astrocytaires avec la EGFP et l'acridine orange, cette méthode a montré que l'apparente colocalisation entre ces marqueurs reflète en fait la présence d'acridine orange plus intense que la EGFP et coexistant dans les mêmes organelles sous deux formes verte et rouge. A l'aide de la décomposition spectrale et de la microscopie à onde évanescente, nous avons ensuite montré que les organelles autofluorescents dans les astrocytes sont en majorité des lysosomes capables de fusionner lors d'une stimu\-lation qui engendre l'augmentation du calcium intra-cellulaire. Ces lysosomes sont peut-être les organelles majoritairement responsables de l'exocytose dans les astrocytes en culture.

Microscopic imaging in the biomedical sciences allows for detailed study of the structure and function of normal and abnormal (i.e., diseased) states of cells and tissues. The expression patterns of proteins and/or physiological parameters within these specimens can be related to disease progression and prognosis, and are often heterogeneously spread throughout the entire specimen. With conventional microscopy, a large number of individual image ‘tiles’ must be captured and subsequently combined into a mosaic of the entire specimen. This has the potential to introduce artefacts at the image seams, as well as introducing non-uniform illumination of the entire specimen. A further limitation often encountered in biomedical fluorescence microscopy is the high background due to the autofluorescence (AF) of endogenous compounds within cells and tissues. Often, AF can prevent the detection and/or accurate quantification in fluorescently- labelled tissues and, in general, can reduce the reliability of results obtained from such specimens. AF spectra are relatively broad and so can be present across a large number of image spectral channels. The intensity of AF also increases as the excitation wavelength is decreased, causing increasing amounts of autofluorescence when exciting in the blue and near-UV range of the spectrum (400 - 500 nm). This thesis reports the development of hyperspectral, fluorescence and brightfield imaging of entire, paraffin-embedded, formalin-fixed (PEFF) tissue slides using a prototype confocal scanner with a large field of view (FOV). This technology addresses the challenges of imaging large tissue sections through the use of a telecentric f-theta laser scan lens thus allowing an entire microscope slide (22x70 mm) to be imaged in a single scan at resolution equivalent to a 10x microscope objective. The development and optimization of brightfield and single-channel fluorescence imaging modes are discussed in the first half of this thesis, while the second half and appendices concentrate on the spectral properties of the system and removal of AF from PEFF tissue sections. The hyperspectral imaging mode designed for this system allows the fluorescence emission spectrum of each image pixel to be sampled at 6.7 nm/channel over a spectral range of 500-700 nm. This results in the ability to separate distinct fluorescence signatures from each other, and enables quantification even in situations where the AF completely masks the signal from the applied labels.

Microscopic imaging in the biomedical sciences allows for detailed study of the structure and function of normal and abnormal (i.e., diseased) states of cells and tissues. The expression patterns of proteins and/or physiological parameters within these specimens can be related to disease progression and prognosis, and are often heterogeneously spread throughout the entire specimen. With conventional microscopy, a large number of individual image ‘tiles’ must be captured and subsequently combined into a mosaic of the entire specimen. This has the potential to introduce artefacts at the image seams, as well as introducing non-uniform illumination of the entire specimen. A further limitation often encountered in biomedical fluorescence microscopy is the high background due to the autofluorescence (AF) of endogenous compounds within cells and tissues. Often, AF can prevent the detection and/or accurate quantification in fluorescently- labelled tissues and, in general, can reduce the reliability of results obtained from such specimens. AF spectra are relatively broad and so can be present across a large number of image spectral channels. The intensity of AF also increases as the excitation wavelength is decreased, causing increasing amounts of autofluorescence when exciting in the blue and near-UV range of the spectrum (400 - 500 nm). This thesis reports the development of hyperspectral, fluorescence and brightfield imaging of entire, paraffin-embedded, formalin-fixed (PEFF) tissue slides using a prototype confocal scanner with a large field of view (FOV). This technology addresses the challenges of imaging large tissue sections through the use of a telecentric f-theta laser scan lens thus allowing an entire microscope slide (22x70 mm) to be imaged in a single scan at resolution equivalent to a 10x microscope objective. The development and optimization of brightfield and single-channel fluorescence imaging modes are discussed in the first half of this thesis, while the second half and appendices concentrate on the spectral properties of the system and removal of AF from PEFF tissue sections. The hyperspectral imaging mode designed for this system allows the fluorescence emission spectrum of each image pixel to be sampled at 6.7 nm/channel over a spectral range of 500-700 nm. This results in the ability to separate distinct fluorescence signatures from each other, and enables quantification even in situations where the AF completely masks the signal from the applied labels.

The aim of this study is to extract information about mineral distribution and percentages of Oymaaga&ccedil / granitoid (Beypazari-Ankara) by using remote sensing techniques. Two methods are applied during the studies which are spectral analysis and Crosta techniques. Spectral measurements are done for fresh and weathered samples collected at 32 locations. Mineral percentages are calculated using spectral mixture analysis for each sample by considering main, accessory and secondary mineral content of granodiorite. A total of 10 endmembers for fresh samples and 15 for weathered samples are used. USGS spectral library data is utilized through the analyses. For Crosta technique (image analysis) the multispectral ASTER satellite image is used. Five alteration minerals are discriminated and their maps are generated during this analysis. Interpretation and comparison of the results of both methods and testing these results with the existing petrographical and geochemical data indicate that: 1) according to the results of both spectral analyses and Crosta technique a zonation is not observed in the granitoid, 2) comparison of the results for alteration minerals of these two analyses are partly compatible but not exactly similar, 3) Results of spectral analysis do not fit geochemical nor modal analyses because of inconsistency of the data sets.

Le démelangeage spectral est un domaine de recherche actif qui trouve des applications dans des domaines variés comme la télédétection, le traitement des signaux audio ou la chimie. Dans le contexte des capteurs hyper spectraux, les images acquises sont souvent de faible résolution spatiale, principalement à cause des limites technologiques liées aux capteurs. Ainsi, les pixels sont constitués des mélanges des différentes signatures spectrales des matériaux présents dans la scène observée. Le démélangeage hyperspectral correspond à la procédure inverse permettant d'identifier la présence de ces matériaux ainsi que leur abondance par pixel. Déterminer le nombre total de matériaux dans l'image et par pixel est un problème difficile. Des approches à base de modèle de mélange linéaire ont été développées mais l’hypothèse sous-jacente de linéarité est parfois mise à mal dans des scénarios réels. Le problème est amplifié lorsqu'un même matériel présente une forte variabilité de signatures spectrales. De plus, la présence de nombreuses signatures parasites (ou anomalies) rend l'estimation plus difficile. Ces différents problèmes sont abordés dans cette thèse au travers de solutions théoriques et algorithmiques. La première contribution porte sur un démélangeage non-linéaire parcimonieux basé sur des approches à noyaux (SAGA+), qui estime et enlevé de l'analyse simultanément les anomalies. La deuxième contribution majeure porte sur une méthode de démélangeage supervisée basée sur la théorie du transport optimal (OT-unmixing) et permet d'intégrer la variabilité potentielle des matériaux observés. Un cas d'étude réel, dans le contexte du projet CATUT, et visant l'estimation des températures de surface par imagerie aéroportée, est finalement décrit dans la dernière partie de ce travail. / Spectral Unmixing has been an active area of research during the last years and found its application in domains including but not limited to remote sensing, audio signal processing and chemistry. Despite their very high spectral resolution, hyperspectral images (HSI) are known to be of low spatial resolution. This low resolution is a relative notion and is due to technological limitations of the HSI captors. As a consequence the values of HSI pixels are likely to be mixtures Of diferent materials in the scene. hyperspectral Unmixing then can be dened as an inverse procedure that consists in identifying in each pixel the amount of pure elements contributing to the pixels mixture. The total number of pure elements (also called endmembers) and the number of them included in one pixel are two informations tricky to retrieve. The simplest situation is when both the total number and type of endmembers within the scene are known and associated with a linear mixing process assumption. Though efficient in some situations, this linearity assumption does not generally hold in real world scenarios. Also in most cases the knowledge regarding the endmember signature of a specic material is not exact, raising the need to account for variations among different representations of the same material. Last but not least existence of anomalies and noise is a ubiquitous issue affecting the accuracy of the estimations. In this thesis, the three aforementioned issues were mainly brought into light and by introducing two original algorithms, defined within different mathematical frameworks, solutions to these open problems has provided. The first contribution using the applications of kernel theory proposes a new unsupervised algorithm (SAGA+) for representation of the non-linear manifold embedding the data while through a simultaneous anomaly detection procedure makes sure that the representation of the manifold hall is not being distorted at the presence of anomalies. The second major contribution of this PhD focuses mainly on the issue of endmember variability and by exploiting the notion of overcomplete dictionary tries to address this problem. This supervised algorithm (OT-unmixing) which is based on the optimal transport theory is comparable to the second step of SAGA+, as it solves an inversion problem and calculates the sparse representation of the original pixels through generation of the abundance maps. A case study in the context of CATUT project for land surface temperature estimation is described in the last part of this work where the two algorithms used for unmixing of airborne hyperspectral remote sensing.

Le démélange spectral est un des sujets majeurs de l’analyse d’images hyperspectrales. Ce problème consiste à identifier les composants macroscopiques présents dans une image hyperspectrale et à quantifier les proportions (ou abondances) de ces matériaux dans tous les pixels de l’image. La plupart des algorithmes de démélange suppose un modèle de mélange linéaire qui est souvent considéré comme une approximation au premier ordre du mélange réel. Cependant, le modèle linéaire peut ne pas être adapté pour certaines images associées par exemple à des scènes engendrant des trajets multiples (forêts, zones urbaines) et des modèles non-linéaires plus complexes doivent alors être utilisés pour analyser de telles images. Le but de cette thèse est d’étudier de nouveaux modèles de mélange non-linéaires et de proposer des algorithmes associés pour l’analyse d’images hyperspectrales. Dans un premier temps, un modèle paramétrique post-non-linéaire est étudié et des algorithmes d’estimation basés sur ce modèle sont proposés. Les connaissances a priori disponibles sur les signatures spectrales des composants purs, sur les abondances et les paramètres de la non-linéarité sont exploitées à l’aide d’une approche bayesienne. Le second modèle étudié dans cette thèse est basé sur l’approximation de la variété non-linéaire contenant les données observées à l’aide de processus gaussiens. L’algorithme de démélange associé permet d’estimer la relation non-linéaire entre les abondances des matériaux et les pixels observés sans introduire explicitement les signatures spectrales des composants dans le modèle de mélange. Ces signatures spectrales sont estimées dans un second temps par prédiction à base de processus gaussiens. La prise en compte d’effets non-linéaires dans les images hyperspectrales nécessite souvent des stratégies de démélange plus complexes que celles basées sur un modèle linéaire. Comme le modèle linéaire est souvent suffisant pour approcher la plupart des mélanges réels, il est intéressant de pouvoir détecter les pixels ou les régions de l’image où ce modèle linéaire est approprié. On pourra alors, après cette détection, appliquer les algorithmes de démélange non-linéaires aux pixels nécessitant réellement l’utilisation de modèles de mélange non-linéaires. La dernière partie de ce manuscrit se concentre sur l’étude de détecteurs de non-linéarités basés sur des modèles linéaires et non-linéaires pour l’analyse d’images hyperspectrales. Les méthodes de démélange non-linéaires proposées permettent d’améliorer la caractérisation des images hyperspectrales par rapport au méthodes basées sur un modèle linéaire. Cette amélioration se traduit en particulier par une meilleure erreur de reconstruction des données. De plus, ces méthodes permettent de meilleures estimations des signatures spectrales et des abondances quand les pixels résultent de mélanges non-linéaires. Les résultats de simulations effectuées sur des données synthétiques et réelles montrent l’intérêt d’utiliser des méthodes de détection de non-linéarités pour l’analyse d’images hyperspectrales. En particulier, ces détecteurs peuvent permettre d’identifier des composants très peu représentés et de localiser des régions où les effets non-linéaires sont non-négligeables (ombres, reliefs,...). Enfin, la considération de corrélations spatiales dans les images hyperspectrales peut améliorer les performances des algorithmes de démélange non-linéaires et des détecteurs de non-linéarités. / Spectral unmixing is one the major issues arising when analyzing hyperspectral images. It consists of identifying the macroscopic materials present in a hyperspectral image and quantifying the proportions of these materials in the image pixels. Most unmixing techniques rely on a linear mixing model which is often considered as a first approximation of the actual mixtures. However, the linear model can be inaccurate for some specific images (for instance images of scenes involving multiple reflections) and more complex nonlinear models must then be considered to analyze such images. The aim of this thesis is to study new nonlinear mixing models and to propose associated algorithms to analyze hyperspectral images. First, a ost-nonlinear model is investigated and efficient unmixing algorithms based on this model are proposed. The prior knowledge about the components present in the observed image, their proportions and the nonlinearity parameters is considered using Bayesian inference. The second model considered in this work is based on the approximation of the nonlinear manifold which contains the observed pixels using Gaussian processes. The proposed algorithm estimates the relation between the observations and the unknown material proportions without explicit dependency on the material spectral signatures, which are estimated subsequentially. Considering nonlinear effects in hyperspectral images usually requires more complex unmixing strategies than those assuming linear mixtures. Since the linear mixing model is often sufficient to approximate accurately most actual mixtures, it is interesting to detect pixels or regions where the linear model is accurate. This nonlinearity detection can be applied as a pre-processing step and nonlinear unmixing strategies can then be applied only to pixels requiring the use of nonlinear models. The last part of this thesis focuses on new nonlinearity detectors based on linear and nonlinear models to identify pixels or regions where nonlinear effects occur in hyperspectral images. The proposed nonlinear unmixing algorithms improve the characterization of hyperspectral images compared to methods based on a linear model. These methods allow the reconstruction errors to be reduced. Moreover, these methods provide better spectral signature and abundance estimates when the observed pixels result from nonlinear mixtures. The simulation results conducted on synthetic and real images illustrate the advantage of using nonlinearity detectors for hyperspectral image analysis. In particular, the proposed detectors can identify components which are present in few pixels (and hardly distinguishable) and locate areas where significant nonlinear effects occur (shadow, relief, ...). Moreover, it is shown that considering spatial correlation in hyperspectral images can improve the performance of nonlinear unmixing and nonlinearity detection algorithms.

Au cours de cette thèse nous nous sommes intéressés à la problématique du démélange hyperspectral en milieux urbains. En particulier nous nous sommes penchés sur la prise en compte du phénomène de variabilité intra-classe dans les méthodes de démélange. La mise en évidence de la variabilité intra-classe a été le point de départ de cette étude. Nous avons ainsi constaté que ce phénomène était non-négligeable dans les milieux urbains et qu'il devait être pris en compte. En nous basant sur des modèles de mélange existants dans la littérature nous avons développé deux nouveaux modèles de mélange prenant en compte cette variabilité intra-classe. Le premier est un modèle de mélange linéaire. Le second est un modèle linéaire-quadratique qui permet de prendre en compte les réflexions multiples sur les bâtiments. Dans un premier temps nous ne nous sommes intéressés qu'au cas des modèles linéaires. Comme aucune méthode de la littérature ne permet d'effectuer le démélange à partir de nos modèles de mélange nous avons développé deux méthodes UP-NMF et IP-NMF. UP-NMF est une adaptation de la méthode NMF à notre modèle de mélange. Pour rendre compte de la notion de classes de matériaux purs une contrainte sur l'inertie des classes a été ajoutée à UP-NMF pour obtenir IP-NMF. Les premiers tests ont été effectués sur données semi-synthétiques et ont permis de déterminer l'impact de l'initialisation de ces méthodes sur leurs performances et de fixer le paramètre d'inertie. Les performances de UP-NMF et IP-NMF ont été comparées à celles des méthodes standards de démélange. Les seconds tests ont été effectués sur une portion d'image de Toulouse. Dans cette partie nous avons mis en évidence que, contrairement à des méthodes standards, les résultats de IP-NMF étaient peu sensibles à une erreur sur l'estimation du nombre de classes pures. Finalement nous avons développé une méthode de démélange linéaire-quadratique, LQIP-NMF, en nous basant sur le modèle que nous avons mis en place. Les tests de LQIP-NMF ont montré qu'en cas de trop forte variabilité intra-classe les effets de non-linéarité étaient de second ordre et qu'il ne semblait pas pertinent de les prendre en compte. / This work is devoted to unmixing for urban areas. We particularly focused on the impact of intra-class variability on unmixing. We first described the results of a study highlighting intra-class variability assessed in real images. It appeared that this phenomenon was significant and had to be included in the mixing models. Based on the state of the art we developed 2 new mixing models dealing with intra-class variability. The first one is a linear one. The second one is a linear-quadratic one which allows to consider multiple scattering effects on buildings. First only the linear mixing model was considered. Currently it does not exist any unmixing method able to deal with this new model. So two methods were developed, UP-NMF and IP-NMF. UP-NMF is a new unmixing method based on an extension of the standard NMF. To overcome UP-NMF limitations an extended method is proposed, IP-NMF, which limit the spreading of each class by adding an inertia constraint in the cost function. These methods were firstly tested on a semi-synthetic data set. These tests allowed us to study the impact of the initialisation on our methods performance and also to fix the inertia parameter. We also compared the results of UP-NMF and IP-NMF to the results obtained with standard methods. The second tests were performed on an image taken above Toulouse. It appeared that IP-NMF is less sensitive to an error in the estimation of classes number than standard methods. Finally we developed a linear-quadratic method, LQIP-NMF, dealing with the non-linear mixing model previously described. In cases of high intra-class variability, the quadratic terms are drowned in the large variability of materials. So it seems that it is not relevant to taking into account these non-linearities.