Nous présentons une approche rapide et robuste d’appariement de graphes destinée à la reconnaissance d’objets spécifiques 2D dans les images. A partir d’un petit nombre d’images d’apprentissage, un graphe modèle de l’objet à apprendre est automatiquement construit. Il contient ses caractéristiques locales (de différents types : points d’intérêts, contours et textures) ainsi que leurs relations de proximité spatiale. La détection est basée sur une pré-sélection des sous-graphes les plus performants avec l’information mutuelle puis sur la programmation dynamique avec un treillis. Les expériences démontrent que la méthode proposée surpasse les détecteurs d’objets spécifiques de l’état de l’art dans des conditions réalistes de bruit grâce à l’utilisation des textures et des contours.