Partitionnement non supervisé d'images hyperspectrales : application à l'identification de la végétation littorale
La première partie de ce travail présente un état de l'art des principaux critères non supervisés, non paramétriques, d'évaluation d'une partition, des méthodes d'estimation préliminaires du nombre de classes, et enfin des méthodes de classification supervisées, semi-supervisées...
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | fr |
| Published: |
2016
|
| Subjects: | |
| Online Access: | http://www.theses.fr/2016REN1S152 |