Le recours aux champs Markoviens en modélisation d'image a connu un grand succès vu qu'ils permettent de traduire les intercations spatiales entre les niveaux des pixels par leur graphe de voisinage. Ce dernier les fait appartenir à la classe des modèles graphiques, dont l'utilisation s'avère de plus en plus importante dans plusieurs domaines. Nous proposons alors, dans ce travail, d'associer les deux notions : modélisation graphique et champs de Markov dans le but d'estimer le graphe de voisinage d'un champ Markovien gaussien, pour les textures en image. En effet, en image, et pour les textures en particulier, le graphe de voisinage du champ Markovien est supposé être périodique vu sa stationnarité. C'est la répétition de la même période spatiale dont l'estimation permet de déduire la structure du graphe de voisinage global. Pour ce faire, nous avons recours aux méthodes de la modélisation graphique, tout en tenant en considération l'\textit{a priori} sur la structure de tel graphe. Nous évaluons notre estimation à l'aide des taux d'erreur introduits par Dudoit, Land et Pollard (2004).