Nous nous intéressons à la détection et à la caractérisation des nappes d'hydrocarbure à partir d'images Radar à Synthèse d'Ouverture (RSO). La viscosité de l'hydrocarbure atténue sensiblement la rugosité de surface qui participe majoritairement à la rétro-diffusion. En conséquence, un film visqueux est caractérisé par un déficit d'énergie rétro-diffusée et apparaît comme une zone sombre dans les images. Cependant, la plupart des techniques de détection, basée sur un seuillage d'histogramme, s'avère insatisfaisante, puisqu'elle engendre un nombre élevé de fausses alarmes. En considérant le fait qu'un film visqueux a un impact caractéristique sur la répartition de l'énergie des vagues selon les différentes longueurs d'onde (des vagues de gravité-capillarité jusqu'à la houle), nous avons développé une méthode de segmentation markovienne adaptée à une représentation multiéchelle de l'image originale. Cette méthode permet d'obtenir une classification qui tient compte des différents états du spectre de vagues. Grâce à l'estimation des lois intervenant dans le mélange, cette méthode de segmentation permet de caractériser statistiquement les zones détectées et ainsi de se prémunir contre de nombreuses fausses alarmes. Cette stratégie a été appliquée avec succès à des images RSO de différentes résolutions (ERS-SAR en mode PRI à 25 m et ENVISAT-ASAR en mode Wide Swath à 150 m de résolution) correspondant à des situations particulières comme le naufrage d'un navire avec un hydrocarbure lourd en Atlantique et le dégazage de cuves avec un hydrocarbure plus fluide en Méditerranée....

Dans cet article, nous proposons un nouveau mode de segmentation fondé sur une modélisation statistique markovienne floue multispectrale. La segmentation étant non supervisée, nous nous intéressons à l'estimation des hyper-paramètres en combinant un algorithme du gradient stochastique avec les moments empiriques, en supposant que les lois d'attache aux données sont gaussiennes. Sous l'hypothèse de corrélation des champs observés, nous établissons les relations qui relient les matrices de variances-covariances relatives aux sites flous avec celles qui caractérisent les sites durs ou homogènes de l'image. Nous comparons les résultats des segmentations mettant en jeu le critère du MPM (Mode des Marginales a Posteriori) et la technique ICM (Mode Conditionnel Itératif) correspondant au critère du MAP (Maximum a Posteriori). Dans un premier temps, nous validons la procédure sur des images de synthèse, puis sur des données astronomiques multispectrales....