La caractérisation et l’analyse des structures géologiques fournit un aperçu de l’histoire et de la formation d’un site. Les analyses morphologiques, physiques et compositionnelles détaillées des roches ainsi que l’intégration de ces informations dans des modèles conceptuels, permettent de décrypter l’histoire d’une région.

Fort de ce constat, la reconnaissance des roches demeure un sujet inhérent à la géologie, particulièrement à la pétrographie. Malheureusement, l’exploration de certains sites géologiques est difficile d’accès, voire dangereuse.

De nombreux systèmes de classification existent : la classification chimique prenant en compte la teneur en silice, en carbonate ou en argile, la classification minéralogique - toutes deux faites à partir de lames minces- et la classification macroscopique, sur la base de la structure cristalline de la roche.

Aucun d’eux ne fait l’unanimité dans leur utilisation par les géologues, révélant le caractère subjectif de la reconnaissance manuelle. L’automatisation de la reconnaissance apparaît alors comme une façon adéquate d’optimiser les ressources pour endiguer la subjectivité et réduire le temps de reconnaissance. Elle permettra aussi d’éviter les dangers liés à l’exploration des sites géologiques, difficiles d’accès et servira de support aux géologues. Depuis les années 1970, l’on assiste à une augmentation constante de la quantité d’images et de son utilisation dans divers domaines d’activités : la géographie, la biologie, la médecine, la télédétection, la sécurité, l’astronomie, la géologie, etc [1].