Le cancer du foie est le quatrième cancer le plus mortel au monde avec un taux de récidive élevé. Son traitement implique souvent une ablation ou une résection chirurgicale du tissu affecté. Pour améliorer les résultats de cette procédure, de nouvelles méthodes intègrent des interventions chirurgicales guidées par l’image, qui exploite différentes modalités d’imagerie médicale. Parmi ces modalités, on peut citer l’échographie, la tomographie (CT), l’imagerie par résonance magnétique (IRM) et la vidéo laparoscopique mono-vue (2D) ou stéréoscopique (3D). L’évaluation de la qualité de ces images et vidéos médicales est extrêmement critique aussi bien pour la fiabilité du diagnostic médical que pour la précision de la chirurgie. Cependant, l’exploitation des diverses modalités d’imagerie médicale pour l’évaluation de la qualité d’image est une tâche assez complexe. De plus, les performances de la chirurgie guidée par l’image, sont tributaires de la qualité de différentes tâches critiques telles que le recalage d’images, l’amélioration de la qualité et la segmentation d’image. Cette thèse est consacrée principalement à la recherche de solutions efficaces pour répondre à ces deux problématiques critiques, à savoir l’évaluation de la qualité de l’image dans le contexte médical et l’évaluation des performances des algorithmes de traitement d’images utilisés dans le diagnostic et la chirurgie guidée par l’image. Dans cette thèse, différentes méthodes d’évaluation de la qualité d’image issues des trois modalités d’imagerie médicale, à savoir les vidéos laparoscopiques 2D, les images laparoscopiques 3D et la tomographie sont proposées et évaluées. Plus précisément, pour les images et vidéos laparoscopiques mono-vue et stéréoscopiques, nous nous sommes focalisés sur l’évaluation de la qualité des images/vidéos brutes affectées par des distorsions. Pour les images CT, une nouvelle approche pour l’évaluation de la qualité d’image ainsi et que l’estimation du niveau de rehaussement de qualité est proposée. Une méthode préliminaire portant sur l’évaluation objective de la qualité d’images stéréoscopiques et basée sur des modèles statistiques exploitant les corrélations inter-vues a été développée et évaluée sur une base publique d’images stéréoscopiques de scènes naturelles en raison de l’absence de bases d’images médicales annotées. Pour parer à ce manque de données médicales, nous avons construit une nouvelle base de vi données à partir de séquences de vidéos laparoscopiques (2D) contenant quelques distorsions types à différents niveaux de sévérité. Cette base contient les résultats de tests psycho-visuels effectués par un panel d’experts du milieu médical et ainsi que de observateurs non experts. Nous avons aussi développé une méthode de classification des distorsions types dans les images laparoscopiques 2D basée sur l’apprentissage profond. Cette méthode a été étendue pour l’évaluation de la qualité objective sans référence des vidéos laparoscopiques 2D qui s’est révélée plus efficace que les méthodes comparables de l’état de l’art. Enfin, pour l’évaluation de l’amélioration du contraste des images CT, nous avons d’abord identifié les critères le plus pertinents permettant de quantifier le niveau d’amélioration. Une nouvelle stratégie basée sur l’apprentissage automatique en combinant différentes mesures d’évaluation de qualité de l’amélioration du contraste a été ainsi proposée. Dans cette méthode, les étapes d’apprentissage et de validation reposent sur les mesures de performance de la segmentation des images. Les résultats obtenus montrent une amélioration substantielle par rapport aux méthodes existantes. Les multiples contributions de cette thèse à différents niveaux ont permis de faire avancer un sujet assez complexe en raison du manque de données médicales annotées et de l’absence de consensus quant aux métriques de qualité d’images dans le contexte de l’imagerie médicale...