L’endométriose est une maladie gynécologique chronique de la femme qui se caractérise par le développement d’un tissu semblable à la muqueuse utérine en dehors de l’utérus, colonisant d’autres organes avoisinants comme les ovaires, les trompes utérines ou dans des cas plus rares le côlon. Elle entraîne des douleurs abdominales et pelviennes, une fatigue chronique et un risque accru d’infertilité. Le diagnostic de l’endométriose repose sur deux modalités d’imagerie médicale, à savoir l’échographie (US) et l’imagerie par résonance magnétique (IRM). Selon le stade de maladie, la chirurgie laparoscopique s’avère être l’unique traitement efficace contre l’endométriose.Outre le diagnostic, les images US et IRM sont utilisées pour localiser précisément les lésions et leur profondeur d’infiltration avant la chirurgie. L’image US, effectuée par voie intravaginale pour cette application, fournit des détails internes fins des structures imagées grâce à sa haute résolution spatiale, mais a un champ de vision limité et un faible rapport signal/bruit. L’IRM, en revanche, offre un large champ de vision avec un bon rapport signal/bruit mais une résolution spatiale plus faible. Par conséquent, des repères anatomiques à l’échelle millimétrique seraient sous-évalués lors de l’utilisation de cette modalité seule. Construire une image rassemblant les avantages des deux modalités (bon contraste et bon rapport signal sur bruit) est d'un grand intérêt pour aider à la chirurgie de l'endométriose. Dans les applications pratiques, les examens US et IRM sont effectués séparément, ce qui donne des séries d'images US 2D et des volumes IRM 3D non-alignés.L'objet de cette thèse de doctorat est d'abord de proposer un algorithme de recalage d'images IRM 3D et US 2D. Le but de ce recalage est d'extraire la coupe IRM qui ressemble le plus à l'image US, maximisant un critère de similarité adapté. Le recalage prend en compte une transformation rigide globale caractérisée par des paramètres de rotation et de translation qui est associée à une déformation locale basée sur des fonctions B-spline. Il permet une mise en correspondance plus précise entre les images, permettant d’exploiter également les déformations géométriques locales au sein de l’image.Dans un deuxième temps, un modèle de fusion 2D/2D est proposé pour les images IRM et US. La méthode est basée sur un problème inverse, réalisant une super-résolution de l’image IRM et un débruitage de l’image US. La relation entre les niveaux de gris des deux images a été modélisée dans la littérature par une fonction polynomiale. Dans cette thèse, nous étudions l'intérêt potentiel de remplacer cette fonction polynomiale par une transformation non-paramétrique construite à partir de la théorie des espaces de Hilbert à noyaux reproduisants. L'image fusionnée obtenue avec cette méthode rassemble les avantages des deux modalités, et présente un contraste plus net que lorsqu'on utilise un polynôme. Un autre avantage significatif en faveur de la transformation à base de noyaux est qu'elle n'est pas directement liée à la direction de propagation du scan US, qui n'est pas facile à obtenir dans les applications pratiques. Le prix à payer avec l'approche proposée est sa complexité. Le modèle peut nécessiter l'estimation de quelques centaines de milliers de paramètres en fonction de la taille de l'image et des patchs choisis.Nous proposons un second modèle de fusion basé sur le filtrage guidé. L'image fusionnée est obtenue grâce à une pondération des images Base et Détail calculées à partir des images IRM et US. Les poids attribués à l'image US tiennent compte de la présence de bruit de speckle, tandis que les poids attribués à l'image IRM permettent d'améliorer le contraste de l'image fusionnée.L'intérêt des modèles proposés est analysé au moyen de tests quantitatifs et qualitatifs effectués sur un ensemble de données varié, incluant des images synthétiques, des images d'un fantôme expérimental et des données réelles.