L'image numérique recèle une grande quantité d'informations corrélées et exploitables, permettant d'extraire des objets par segmentation. Cette segmentation des images nécessite d'extraire de celles-ci les attributs qui permettront, selon des spécifications précisées, de séparer les ''formes'' du ''fond''. Les résultats conduisent aussi bien à la compression, qu'au contrôle de qualité, la reconstitution 3D ou l'aide au diagnostic. A côté des méthodes classiques basées sur la notion de bord, les approches privilégiées sont basées sur la classification de pixels, supervisées ou non, ou sur la corrélation non linéaire à partir d'exemples. [A digital image contains numerous correlated informations which may be processed in order to extract objects by segmentation. Image segmentation needs to compute features to separate '' objects'' from the so-called background. This process leads to several applications, such as data compression, quality control, 3D reconstruction or computer-aided diagnosis. Besides the standard methods based on edge detection, other approaches using pixel classification and non-linear correlation are investigated.]