Ce livre décrit la segmentation d'images à plusieurs échelles en intégrant différentes structures. Ces techniques s'appuient sur des informations de frontières, texturées et non texturées pour la segmentation d'images à plusieurs échelles. Cet ouvrage soutient que les questions de sélection d'échelle et de détection de structure ne peuvent être traitées séparément pour la segmentation. Les techniques d'informatique douce sont les plus appropriées pour traiter ce type de problèmes. La segmentation d'image floue est une tâche qui consiste à classer les pixels d'une image en utilisant différentes étiquettes de sorte que l'image soit divisée en régions étiquetées non chevauchées. Dans cette thèse, des techniques basées sur le regroupement flou sont étudiées et développées : technique d'entropie floue, logique floue de type II basée sur des règles, détection des bords basée sur la logique floue du gradient, C-means flou généralisé et modèle triangulaire d'entropie floue pour les images à super résolution. Les expériences ont été réalisées sur des bases de données d'images bien connues et les résultats sont produits sous forme de tableaux et de graphiques pour une analyse objective et les sorties des images d'entrée sont placées pour une analyse subjective.