Les applications civiles et militaires nécessitant l'identification des caractéristiques de la couche superficielle du fond de la mer sont nombreuses : géologie marine, prospection minière, pêche et gestion de la biomasse, cartographie, guerre des mines, chasse aux mines ... Cet article s’intéresse à la cartographie automatique des fonds marins en imagerie sonar haute résolution. De nombreuses méthodes d'analyse de textures ont été développées jusqu'à présent, utilisant des approches statistiques, géométriques ou spectrales. Cependant, peu d'entre elles fournissent des attributs caractéristiques robustes vis-à-vis des rotations d'images. Cette propriété est pourtant essentielle dans le cadre de l'étude proposée : elle a pour objectif de faciliter et d'améliorer l'apprentissage du classifieur. Nous présentons dans cet article cinq méthodes de caractérisation, robustes vis-à-vis des rotations d'images. La première méthode est une version étendue de la modélisation AutoRégressive (AR) circulaire initialement proposée par Kashyap et Khotanzad, en vue d'en extraire directement un nombre restreint de paramètres caractéristiques significatifs invariants en rotation. Les quatre autres méthodes résultent d'une approche originale qui consiste à appliquer une méthode de traitement d'images à un ensemble de paramètres décrivant une texture, afin de le rendre robuste vis-à-vis des rotations d'images. Les deux premières de ces méthodes consistent à appliquer la Transformation Log-Polaire respectivement aux paramètres issus d'une modélisation autorégressive 2D non-causale et aux paramètres de corrélation associés (nommés paramètres COR). Quant aux deux dernières méthodes, elles consistent en l'application de la méthode des moments de Zernike respectivement à ces deux ensembles de descripteurs. Des résultats de classification expérimentaux obtenus sur images réelles et sur images tournées artificiellement, ainsi que sur des textures issues de l'album de Brodatz, sont fournis pour souligner les performances de chacune des méthodes.