Détection des galaxies à faible brillance de surface, segmentation hyperspectrale dans le cadre de l'observatoire virtuel

Les progrès technologiques de l'instrumentation astronomique soulèvent des problématiques variées. L'imagerie monobande permet, grâce aux capteurs de résolution et de sensiblité croissante, de découvrir des objets autrefois inobservables. En particulier, le développement des capteurs multispectraux permet l'acquisition de masses de données porteuses d'une information très riche. Néanmoins, l'interprétation et le traitement de tels volumes de données restent délicats pour la communauté astronomique. Dans le cadre de cette thèse nous proposons un ensemble de méthodes facilitant le processus d'interprétation réalisé par l'astronome. Nous introduisons une nouvelle méthode de segmentation floue par champs de Markov permettant de prendre en compte les spécificités des observations astronomiques : frontières des objets non définies et objets diffus. Un pixel flou de la carte de segmentation appartient ainsi à une ou deux classes dures en fonction d'un certain degré d'appartenance. Nous proposons également une méthode de détection de galaxies à faible brillance de surface (galaxies LSB) basée sur l'utilisation d'une segmentation markovienne par quadarbre. Cette segmentation permet de dégager les galaxies LSB du fond de ciel grâce à une estimation fine de la statistique du bruit présent dans l'observation. Un ensemble d'étapes de sélection est ensuite mis en oeuvre afin de caractériser la galaxie. Nous proposons deux méthodes de visualisation d'images multispectrales permettant de synthétiser l'information portée par toutes les bandes dans une composition colorée réalisée dans l'espace TSL (Teinte Saturation Luminance). Enfin, nous étudions une nouvelle méthode de segmentation de cubes de données hyperspectraux basée sur une approche de discrimination spectrale puis sur une régularisation spatiale de la carte de segmentation par une approche markovienne par quadarbre. Ces méthodes sont validées sur des images astronomiques et ont fait l'objet d'une interaction particuliµerement riche entre communauté STIC et communauté astronomique. De plus, deux méthodes sont validées sur des images issues du domaine de la télédétection pour lesquelles certaines problématiques restent communes.Technological progress in astronomical instrumentation raise various issues. Thanks to the growing sensor sensitivity, monospectral imagery make it possible to discover objects which were previously impossible to detect. The development of multispectral sensors yields extremely valuable data. Nevertheless interpretation and processing of such images remain tricky for the astronomical community. Within the framework of this thesis we propose a set of methods that make the interpretation process easier for the astronomer. We introduce a new fuzzy segmentation method based on Markov fields allowing to take into account the specificities of astronomical objects : fuzzy boundaries and diffuse objects. A fuzzy pixel of the segmentation map thus belongs to one or two hard classes depending on a certain membership level. We also propose a new method for the detection of Low Surface Brightness (LSB) galaxy based on a quadtree Markovian segmentation. This segmentation allows to highlight the LSB within the observation background through an accurate estimation of the noise statistics contained in the acquisition. A set of selection steps is then carried out to determine if the detected object is a LSB. We then introduce two multispectral images visualization methods allowing to synthetize the information contained by all the observation bands in a colored composition in the HSV color space (Hue Saturation Value). Finally we propose a new segmentation method of hyperspectral data cubes based on a spectral discrimination and on a spatial regularization of the segmentation map obtained thanks to a quadtree segmentation. These methods are validated on astronomical images and led to a fruitful cooperation between computer vision community and astronomical community. Furthermore two methods have been validated on remote sensing observation for which some specific issues remain common