X-Git-Url: https://bilbo.iut-bm.univ-fcomte.fr/and/gitweb/these_gilles.git/blobdiff_plain/0b60f2b9f649af92fb00ae9fb88d77fe1cbb5c85..d509beab7cc0737a1bdfbd609359733a30882a43:/THESE/Chapters/chapter2/chapter2d.tex?ds=inline

diff --git a/THESE/Chapters/chapter2/chapter2d.tex b/THESE/Chapters/chapter2/chapter2d.tex
index a9c8e1e..3394929 100644
--- a/THESE/Chapters/chapter2/chapter2d.tex
+++ b/THESE/Chapters/chapter2/chapter2d.tex
@@ -54,7 +54,7 @@ $\epsilon \leftarrow 1$ \;
 } 
 \end{algorithm}
 
-\subsection{Partitionnement de graphe}
+\subsection{Partitionnement de graphe\label{seggraph}}
 Un autre formalisme qui a généré une vaste classe d'algorithmes de segmentation est celui des graphes. Il repose sur l'idée que les régions de l'image sont représentées par les n\oe uds d'un graphe, alors que les liens traduisent les relations de voisinage existant entre les régions, l'idée de base étant d'initialiser le graphe avec un n\oe ud pour chaque pixel. La segmentation est obtenue par partitionnement itératif du graphe, en évaluant les liens et en déterminant ceux à supprimer, et ce jusqu'à convergence.
 
 L'essentiel de la problématique réside donc dans la métrique retenue pour évaluer les liens ainsi que dans le critère de sélection et, là encore, la littérature regorge d'une grande variété de propositions.