Dans la première partie cette thèse, nous traitons les problèmes de détection d'anomalies à partir d'une seule image : la détection de cibles sur un fond en mouvement, la détection de changement sur des images satellites SAR (Synthetic Aperture Radar) et la détection de nuages sur des images de satellites optiques.

Dans le second partie, nous proposons un CNN de débruitage vidéo utilisant une recherche de morceaux similaires pour extraire l'information temporelle, et nous faisons une étude des méthodes de synthèse de texture.

Modeling of static or moving complex backgrounds: application to rare event detection in image sequences

The first part of the thesis is dedicated to anomaly detection on a single image, small target detection on moving background, change detection on satellite SAR (Synthetic Aperture Radar) images and cloud detection on a sequence of satellite optical images.

In a second part, we propose a video denoising CNN based on a patch-search step to extract the temporal information, as well as a survey of texture synthesis methods.

All these problems require a fine modeling of the "normal" image or video content, which we call "background".

This study is complemented in a third part with fast GPU implementations of B-spline interpolation and of several traditional image and video denoising methods.