Le réseau ferroviaire français dispose d’une infrastructure de grande ampleur qui fait l’objet d’une surveillance périodique pour détecter l’apparition de défauts. Aujourd’hui, cette inspection se fait en grande partie, visuellement par des opérateurs experts. Plusieurs compagnies testent de nouveaux vecteurs d'acquisition comme le drone, destinés à la surveillance des ouvrages de génie civil.

Cette thèse met l’accent sur le traitement d’images destiné à détecter de manière automatique les différents types d’avaries. L’objectif principal est de développer un système capable de détecter, localiser et enregistrer d’éventuels défauts de la construction au moment de l’acquisition. Un grand défi est surtout de détecter des défauts sous-pixels comme les fissures en temps réel pour améliorer l’acquisition. Dans ce but, une analyse par seuillage local a été conçu pour traiter de grandes images. Pour détecter certains types d'avaries, l'utilisation de réseaux de neurones à convolution est nécessaire mais le manque de données impose la constitution de notre propre jeu de données.

Les travaux réalisés sur l’extraction de caractéristiques sur des images pour la détection de défauts pourront être utiles dans d’autres applications telles que les véhicules intelligents ou le word spotting.