Estimation des paramètres de modèles de processus ponctuels marqués pour l'extraction d'objets en imagerie spatiale et aérienne haute résolution

Dans le but d'extraire des réseaux d'objets à partir d'images de télédétection haute résolution, une technique fondée sur une modélisation par processus ponctuels marqués a montré sa pertinence pour résoudre ce type de problème. La particularité de cette technique est qu'elle permet de représenter les objets de l'image par un ensemble de formes géométriques qui interagissent entre elles. Cette modélisation est gouvernée par deux types d'énergies : une énergie d'attache aux données qui lie les objets à l'image traitée, et une énergie de régularisation qui contrôle le recouvrement entre les objets. Certains paramètres incorporés dans ce modèle doivent être ajustés automatiquement en fonction de l'image traitée an d'assurer une extraction non supervisée des objets. Pour ce faire, nous étudions les méthodes d'estimation des paramètres impliqués dans cette modélisation. Nous entamons, d'abord, une étude dans le cas des données complètes, lorsque l'ensemble des objets de l'image est supposé connu. Nous abordons ensuite le problème d'estimation dans le cas où l'ensemble des objets de l'image est effectivement inconnu et nous proposons une méthode d'estimation fondée sur une version stochastique de l'algorithme Espérance-Maximisation. Nous validons, dans un premier temps, cette méthode d'estimation sur un modèle simple de processus ponctuels marqués pour lequel les objets sont de forme circulaire. Ensuite, nous l'étendons à des formes géométriques plus générales, telles que les ellipses et les rectangles. Nous abordons ainsi plusieurs applications ; à savoir l'extraction des flamants roses, des houppiers d'arbres, des bateaux dans un port maritime, de la trace au sol du bâti ainsi que la détection de tente de réfugiés