Centre de documentation
scientifique

3D segmentation of forest structure using a mean-shift based algorithm / António Ferraz (2010)  

Public Titre : 3D segmentation of forest structure using a mean-shift based algorithm Type de document : Article/Communication Auteurs : António Ferraz , Auteur ; Frédéric Bretar, Auteur ; Stéphane Jacquemoud, Auteur ; Gil Gonçalves, Auteur ; Luisa Pereira, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2010 Conférence : ICIP 2010, 17th IEEE International Conference on Image Processing 25/09/2010 29/09/2010 Hong Kong Proceedings IEEE Importance : pp 1413 - 1416 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme de décalage moyen [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] segmentation [Termes IGN] strate végétale [Termes IGN] structure d'un peuplement forestier Résumé : (auteur) Consistent and accurate information on 3D forest canopy structure is required by many applications like forest inventory, management, logging, fuel mapping, habitat studies or biomass estimate. Compared to other remote sensing techniques (e.g., SAR or photogrammetry), airborne laser scanning is an adapted tool to provide such information by generating a three-dimensional georeferenced point cloud. Vertical structure analysis consists in detecting the number of layers within a forest stand and their limits. Until now, there is no approach that properly segments the different strata of a forest. In this study, we directly work on the 3D point cloud and we propose a mean shift (MS) based procedure for vertical forest segmentation. The approach that is carried out on complex forest plots improves the discrimination of vegetation strata. Numéro de notice : C2010-060 Affiliation des auteurs : MATIS+Ext (1993-2011) Thématique : FORET/IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP.2010.5651310 En ligne : https://doi.org/10.1109/ICIP.2010.5651310 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101942

A two-pass random forests classification of airborne Lidar and image data on urban scenes / Li Guo (2010)  

Public Titre : A two-pass random forests classification of airborne Lidar and image data on urban scenes Type de document : Article/Communication Auteurs : Li Guo, Auteur ; Nesrine Chehata , Auteur ; Samia Boukir, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2010 Conférence : ICIP 2010, 17th IEEE International Conference on Image Processing 25/09/2010 29/09/2010 Hong Kong Proceedings IEEE Importance : pp 1369 - 1372 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image RVB [Termes IGN] intervalle de classe [Termes IGN] scène urbaine Résumé : (auteur) Random forests ensemble classifier showed to be suitable for classifying multisource data such as lidar and RGB image for urban scene mapping. However, two major problems remain: (1) the class boundaries are not well classified, a common issue in classification (2) the data are highly imbalanced raising another issue more specific to urban scenes. In this paper, we propose a new ensemble method based on the margin paradigm to improve the classification accuracy of minor classes. Random forests classifier is used in a two-pass methodology with an improved capability for classifying imbalanced data. Numéro de notice : C2010-061 Affiliation des auteurs : MATIS+Ext (1993-2011) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP.2010.5653030 Date de publication en ligne : 03/12/2010 En ligne : https://doi.org/10.1109/ICIP.2010.5653030 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101943