L'analyse par les radiologues des ARM (angiographies par résonance magnétique) cérébrales est une tâche ardue en raison du volume des données à traiter et du nombre croissant d'examens réalisés. La création de méthodes de segmentation des vaisseaux cérébraux à partir de telles images constitue donc un domaine de recherche répondant à un réel besoin en imagerie médicale. Cette thèse est dédiée au développement de telles méthodes. L'effort y est notamment focalisé sur la capacité à adapter leur comportement aux images traitées et à leur valeur sémantique. Ce concept d'adaptativité est mis en oeuvre au travers de l'intégration de connaissance anatomique de haut niveau qui a pour but de guider des outils de traitement d'image. La première partie des travaux présentés consiste à proposer des solutions préalables de modélisation de cette connaissance. La notion d'atlas, déjà éprouvée avec succès sur des structures non vasculaires, y est développée. Deux types d'atlas sont proposés, chacun d'eux tirant parti de la nature multimodale (angiographique et morphologique) des images considérées pour modéliser des éléments de connaissance anatomique relative aux vaisseaux cérébraux. La seconde partie des travaux porte sur le développement de méthodes de segmentation utilisant cette connaissance pour guider des outils de morphologie mathématique. Ces méthodes, basées sur la croissance de région, la ligne de partage des eaux, la transformée en tout ou rien à niveaux de gris et la réduction homotopique, utilisent les atlas proposés pour adapter ou contraindre le comportement de ces outils aux particularités des images. Cette thèse se présente ainsi comme une introduction à une nouvelle méthodologie de segmentation des structures vasculaires qui tend à associer le potentiel des outils de traitement d'image actuels avec l'approche par apprentissage et utilisation de connaissances qui est généralement l'apanage des spécialistes humains.