Thèse soutenue

Traitement d'images hyperspectrales basé sur des méthodes tensorielles
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Qiaoqiao Sun
Direction : Salah Bourennane
Type : Thèse de doctorat
Discipline(s) : Optique, Photonique et Traitement d’Image
Date : Soutenance le 15/10/2021
Etablissement(s) : Ecole centrale de Marseille
Ecole(s) doctorale(s) : Ecole Doctorale Physique et Sciences de la Matière (Marseille)
Partenaire(s) de recherche : Laboratoire : Institut Fresnel (Marseille, France) - Institut FRESNEL / FRESNEL
Jury : Examinateurs / Examinatrices : Salah Bourennane, Yide Wang, Ahmed Bouridane, Éric Moreau, Xuefeng Liu
Rapporteurs / Rapporteuses : Yide Wang, Ahmed Bouridane

Résumé

FR  |  
EN

Cette thèse est consacrée à l'analyse et au traitement d'images hyperspectrales principalement avec des modèles d'apprentissage en profondeur. Pour exploiter pleinement les informations spectrales et spatiales des données hyperspectrales, un réseau neuronal convolutif avec réglage des paramètres est proposé pour la classification hyperspectrale. En outre, pour résoudre le problème des échantillons étiquetés limités dans les images hyperspectrales, des méthodes d'extraction de caractéristiques non supervisées basées sur un réseau antagoniste génératif amélioré et un autoencodeur convolutif sont étudiées. De plus, un cadre d'autoencodeur de débruitage multi-échelle est conçu pour le débruitage et l'amélioration de la détection de cibles. Les résultats sur des données simulées et réelles montrent l'efficacité des méthodes proposées et leurs perspectives prometteuses pour les applications en imagerie hyperspectrale.