Contexte

Le contexte scientifique de cette thèse s’inscrit à l’interface entre la science des données, le traitement du signal et la physique des matériaux, où l’analyse de données complexes issues de surfaces microscopiques constitue un enjeu majeur. L’estimation de paramètres à partir de champs stochastiques non gaussiens, omniprésents dans les phénomènes physiques non linéaires et les images expérimentales, requiert des outils capables d’extraire des descripteurs compacts et pertinents. Si les réseaux de neurones convolutifs se sont imposés ces dernières années, leurs limites en termes d’interprétabilité et de coût d’entraînement motivent l’exploration d’approches alternatives. Dans ce contexte, la transformée par diffusion d’ondelettes (WST) apparaît comme une méthode prometteuse, combinant la richesse descriptive des approches profondes avec la rigueur des outils statistiques, tout en s’affranchissant de la phase d’apprentissage. Son application à l’a...