Descripteur
Documents disponibles dans cette catégorie (1366)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Télédétection hyperspectrale pour l’identification et la caractérisation de minéraux industriels / Ronan Rialland (2021)
Titre : Télédétection hyperspectrale pour l’identification et la caractérisation de minéraux industriels Type de document : Thèse/HDR Auteurs : Ronan Rialland, Auteur ; Charles Soussen, Auteur ; Rodolphe Marion, Auteur ; V. Carrere, Auteur Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2021 Importance : 125 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat de l’Université Paris-Saclay, Spécialité Traitement du Signal et des ImagesLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] bruit (théorie du signal)
[Termes IGN] déconvolution
[Termes IGN] image hyperspectrale
[Termes IGN] logique floue
[Termes IGN] minéral
[Termes IGN] minéralogie
[Termes IGN] rapport signal sur bruit
[Termes IGN] réflectance spectrale
[Termes IGN] spectroscopie
[Termes IGN] transfert radiatifIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La télédétection hyperspectrale permet l’étude de larges zones d’intérêt via la caractérisation physico-chimique des surfaces observées. Cette thèse concerne l’identification de minéraux rencontrés sur des sites industriels à partir de leurs spectres de réflectance observés dans le domaine réflectif [400-2500] nm. Un modèle physique paramétrique adapté est proposé pour représenter un spectre comme la somme d’un continuum et de formes spectrales localisées représentant les formes d’absorption. La première contribution est une procédure de déconvolution spectrale pour estimer adaptativement le nombre d’absorptions dans un spectre ainsi que les paramètres associés. Cette procédure est composée de trois étapes : retrait du continuum, pré-estimation des absorptions, ajustement conjoint du continuum et des absorptions. La pré-estimation des absorptions est l’étape clé, où les paramètres (positions, paramètres de formes) des absorptions sont estimés par un algorithme inspiré d’Orthogonal Matching Pursuit. Cette étape fournit des décompositions du spectre pour un nombre variable de formes d’absorption, rendant possible l’utilisation d’un critère de sélection d’ordre pour estimer leur nombre. La deuxième contribution concerne l’identification des minéraux pour des spectres demélanges, inspirée d’une méthode de logique floue et basée sur la comparaison des paramètres estimés avec ceux d’une base de données prédéfinie. Cette solution tient compte des incertitudes d’estimation et des possibles variations des spectres de réflectance des minéraux. Les méthodes proposées sont validées sur de nombreuses données synthétiques et réelles issues de mesures en laboratoire, posant des difficultés d’analyse du fait d’absorptions de formes variées, possiblement superposées, et positionnées sur une plage très étendue de longueurs d’onde. De plus, une validation extensive a été effectuée sur des images hyperspectrales acquises dans le cadre du survol de deux carrières de gypse et de kaolinite. Les minéraux présents sur les sites sont précisément identifiés. Note de contenu : 1- Introduction
2- Spectroscopie et imagerie hyperspectrale pour l’étude des minéraux
3- Modélisation d’un spectre de réflectance de minéral et prise en compte du bruit dans une image hyperspectrale
4- Déconvolution d’un spectre de réflectance de minéral : procédure greedy-AGM
5- Applications de la procédure greedy-AGM
6- Procédure d’identification de minéraux
7- Campagne d’acquisitions et applications
8- Conclusions et perspectivesNuméro de notice : 21705 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du Signal et des Images : Paris-Saclay : 2021 DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03508396 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100475 Time-series analysis of massive satellite images : Application to earth observation / Alexandre Constantin (2021)
Titre : Time-series analysis of massive satellite images : Application to earth observation Titre original : Analyse de séries temporelles massives d'images satellitaires : Applications à la cartographie des écosystèmes Type de document : Thèse/HDR Auteurs : Alexandre Constantin, Auteur ; Stéphane Girard, Directeur de thèse ; Mathieu Fauvel, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 136 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse Pour obtenir le grade de Docteur de l'Université de Grenoble Alpes, Specialité : Mathématiques AppliquéesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse multivariée
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification pixellaire
[Termes IGN] covariance
[Termes IGN] échantillonnage de données
[Termes IGN] écosystème
[Termes IGN] image Sentinel-MSI
[Termes IGN] processus gaussien
[Termes IGN] Python (langage de programmation)
[Termes IGN] régression
[Termes IGN] série temporelleIndex. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis takes place in the context of the processing of the data from Sentinel-2 mission. This mission, initiated by the European Space Agency and launched in 2017, produces an unprecedented amount of Satellite Image Time-Series (SITS). Among the key analyses of these images, this thesis focuses on the classification task, i.e. land use or land cover maps that can be produced using spectro-temporal aspect of the Sentinel-2 SITS.Two main difficulties are identified in this thesis for the process of Sentinel-2 SITS. First, the unprecedented amount of data requires both scalable classifiers and code optimization techniques (such as parallel processing). Second, the acquisition noise (clouds, shadows) combined with the temporal aspect results in irregular and unevenly sampled time-series. Conventional approaches re-sample time-series to a set of time stamps, then they use machine learning techniques to classify vectors at a large-scale (national scale). The main disadvantage of this two-step processing approach is that it increases the number of operations applied to the SITS, implying a more difficult transition to massive amount of data. To a lower extent, the re-sampling step may slightly alter the temporal characteristics of the data.This thesis contributions are the following. We introduce a novel model-based approach with the ability to classify irregularly sampled time-series based on a mixture of multivariate Gaussian processes. A two-step approach has been used, by defining on one hand a model of uni-variate time-series, independent from the spectral wavelength point of view, then by considering on the second hand both spectral and temporal information from SITS. These models allow jointly a reconstruction of unobserved or noisy data. Estimation of both models has been implemented using a parallelized python code to be scalable to large-scale data-sets. The two models are evaluated numerically on Sentinel-2 SITS in terms of classification and reconstruction accuracy and are compared with conventional approaches. Analyses of the results illustrate the relevance of the two models and the benefit of using interpretable parametric models. Note de contenu : General Introduction
1- Satellite image time-series analysis and classification
2- Statistical modelling for time-series classification
3- Model-based classification for irregularly sampled time-series
4- Joint supervised classification and reconstruction of irregularly sampled satellite image times series
5- Mixture of multivariate gaussian processes for classification of irregularly sampled SITS
Conclusion and perspectivesNuméro de notice : 15280 Affiliation des auteurs : non IGN Thématique : IMAGERIE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques Appliquées : Grenoble : 2021 Organisme de stage : Laboratoire Jean Kuntzmann DOI : sans En ligne : https://hal.science/tel-03682025 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101161 Underwater object detection and reconstruction based on active single-pixel imaging and super-resolution convolutional neural network / Mengdi Li in Sensors, vol 21 n° 1 (January 2021)
[article]
Titre : Underwater object detection and reconstruction based on active single-pixel imaging and super-resolution convolutional neural network Type de document : Article/Communication Auteurs : Mengdi Li, Auteur ; Anumoi Mathai, Auteur ; Stephen L. H. Lau, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 313 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification pixellaire
[Termes IGN] détection d'objet
[Termes IGN] fond marin
[Termes IGN] rapport signal sur bruit
[Termes IGN] reconstruction d'image
[Termes IGN] reconstruction d'objetRésumé : (auteur) Due to medium scattering, absorption, and complex light interactions, capturing objects from the underwater environment has always been a difficult task. Single-pixel imaging (SPI) is an efficient imaging approach that can obtain spatial object information under low-light conditions. In this paper, we propose a single-pixel object inspection system for the underwater environment based on compressive sensing super-resolution convolutional neural network (CS-SRCNN). With the CS-SRCNN algorithm, image reconstruction can be achieved with 30% of the total pixels in the image. We also investigate the impact of compression ratios on underwater object SPI reconstruction performance. In addition, we analyzed the effect of peak signal to noise ratio (PSNR) and structural similarity index (SSIM) to determine the image quality of the reconstructed image. Our work is compared to the SPI system and SRCNN method to demonstrate its efficiency in capturing object results from an underwater environment. The PSNR and SSIM of the proposed method have increased to 35.44% and 73.07%, respectively. This work provides new insight into SPI applications and creates a better alternative for underwater optical object imaging to achieve good quality. Numéro de notice : A2021-158 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/s21010313 Date de publication en ligne : 05/01/2021 En ligne : https://doi.org/10.3390/s21010313 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97073
in Sensors > vol 21 n° 1 (January 2021) . - n° 313[article]Unifying remote sensing image retrieval and classification with robust fine-tuning / Dimitri Gominski (2021)
Titre : Unifying remote sensing image retrieval and classification with robust fine-tuning Type de document : Article/Communication Auteurs : Dimitri Gominski , Auteur ; Valérie Gouet-Brunet , Auteur ; Liming Chen, Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2021 Projets : Alegoria / Gouet-Brunet, Valérie Importance : 7 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image numérique
[Termes IGN] apprentissage profond
[Termes IGN] base de données d'images
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] image aérienne à axe vertical
[Termes IGN] image aérienne oblique
[Termes IGN] jeu de données
[Termes IGN] précision de la classification
[Termes IGN] recherche d'image basée sur le contenuRésumé : (auteur) Advances in high resolution remote sensing image analysisare currently hampered by the difficulty of gathering enoughannotated data for training deep learning methods, giving riseto a variety of small datasets and associated dataset-specificmethods. Moreover, typical tasks such as classification andretrieval lack a systematic evaluation on standard benchmarksand training datasets, which make it hard to identify durableand generalizable scientific contributions. We aim at uni-fying remote sensing image retrieval and classification witha new large-scale training and testing dataset, SF3001, in-cluding both vertical and oblique aerial images and madeavailable to the research community, and an associated fine-tuning method. We additionally propose a new adversarialfine-tuning method for global descriptors. We show that ourframework systematically achieves a boost of retrievalandclassification performance on nine different datasets com-pared to an ImageNet pretrained baseline, with currently noother method to compare to. Numéro de notice : P2021-003 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Preprint nature-HAL : Préprint DOI : 10.48550/arXiv.2102.13392 En ligne : https://doi.org/10.48550/arXiv.2102.13392 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97283 Unmixing-based Sentinel-2 downscaling for urban land cover mapping / Fei Xu in ISPRS Journal of photogrammetry and remote sensing, vol 171 (January 2021)
[article]
Titre : Unmixing-based Sentinel-2 downscaling for urban land cover mapping Type de document : Article/Communication Auteurs : Fei Xu, Auteur ; Ben Somers, Auteur Année de publication : 2021 Article en page(s) : pp 133 - 154 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] bande spectrale
[Termes IGN] Berlin
[Termes IGN] Bruxelles
[Termes IGN] cartographie urbaine
[Termes IGN] Cologne
[Termes IGN] corrélation
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] matrice de co-occurrence
[Termes IGN] occupation du solRésumé : (auteur) With the launch of Sentinel-2 new opportunities for large scale urban mapping arise. However, the spectral information embedded in the Sentinel-2 20 m spatial resolution bands cannot yet be fully explored in heterogeneous urban landscapes. The 20 m image pixels are often composed of different land covers, resulting in a difficult to interpret mixed pixel spectrum. Here, we propose an unmixing-based image fusion algorithm (UnFuSen2) that self-adapts to the spectral variability of varying land covers and improves the image fusion accuracy by constraining the unmixing equations on the basis of spectral mixing models and the correlation between spectral bands of coarse and fine spatial resolution, respectively. When compared to alternative state-of-the-art downscaling methods UnFuSen2 consistently showed the highest accuracy when applied across test sites in three different European cities (RMSEUnFuSen2 = 203 vs RMSEalternatives = [252, 337]). In a next step, we applied Multiple Endmember Spectral Mixture Analysis (MESMA) on the downscaled Sentinel-2 image cube (i.e. ten 10 m bands) to generate subpixel urban land cover fractions. We compared our MESMA results against the traditional MESMA output as applied on the original Sentinel-2 image cube (i.e. four 10 m bands and six 20 m bands) and tested its robustness against reference data obtained over all three study sites. Results revealed an average decrease in RMSE of respectively 18% and 8% for impervious surface and vegetation fractions when our approach was compared to the traditional MESMA outcomes. Numéro de notice : A2021-015 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.11.009 Date de publication en ligne : 26/11/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.11.009 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96419
in ISPRS Journal of photogrammetry and remote sensing > vol 171 (January 2021) . - pp 133 - 154[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2021011 SL Revue Centre de documentation Revues en salle Disponible 081-2021013 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2021012 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt PermalinkVisual exploration of historical image collections: An interactive approach through space and time / Evelyn Paiz-Reyes (2021)PermalinkCNN-based tree species classification using high resolution RGB image data from automated UAV observations / Sebastian Egli in Remote sensing, vol 12 n° 23 (December-2 2020)PermalinkAutomatic building footprint extraction from UAV images using neural networks / Zoran Kokeza in Geodetski vestnik, vol 64 n° 4 (December 2020 - February 2021)PermalinkHyperspectral band selection via optimal neighborhood reconstruction / Qi Wang in IEEE Transactions on geoscience and remote sensing, Vol 58 n° 12 (December 2020)PermalinkMapping of land cover with open-source software and ultra-high-resolution imagery acquired with unmanned aerial vehicles / Ned Horning in Remote sensing in ecology and conservation, vol 6 n° 4 (December 2020)PermalinkMultistrategy ensemble regression for mapping of built-up density and height with Sentinel-2 data / Christian Geiss in ISPRS Journal of photogrammetry and remote sensing, vol 170 (December 2020)PermalinkNonlocal graph convolutional networks for hyperspectral image classification / Lichao Mou in IEEE Transactions on geoscience and remote sensing, Vol 58 n° 12 (December 2020)PermalinkParsing very high resolution urban scene images by learning deep ConvNets with edge-aware loss / Xianwei Zheng in ISPRS Journal of photogrammetry and remote sensing, vol 170 (December 2020)PermalinkPolarization of light reflected by grass: modeling using visible-sunlit areas / Bin Yang in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 12 (December 2020)PermalinkUnderstanding the role of individual units in a deep neural network / David Bau in Proceedings of the National Academy of Sciences of the United States of America PNAS, vol 117 n° 48 (1 December 2020)PermalinkUnderstanding the synergies of deep learning and data fusion of multispectral and panchromatic high resolution commercial satellite imagery for automated ice-wedge polygon detection / Chandi Witharana in ISPRS Journal of photogrammetry and remote sensing, vol 170 (December 2020)PermalinkUnsupervised deep joint segmentation of multitemporal high-resolution images / Sudipan Saha in IEEE Transactions on geoscience and remote sensing, Vol 58 n° 12 (December 2020)PermalinkForêt d'arbres aléatoires et classification d'images satellites : relation entre la précision du modèle d'entraînement et la précision globale de la classification / Aurélien N.G. Matsaguim in Revue Française de Photogrammétrie et de Télédétection, n° 222 (novembre 2020)PermalinkBayesian transfer learning for object detection in optical remote sensing images / Changsheng Zhou in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkA fractal projection and Markovian segmentation-based approach for multimodal change detection / Max Mignotte in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkHigh-resolution remote sensing image scene classification via key filter bank based on convolutional neural network / Fengpeng Li in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkLearning-based hyperspectral imagery compression through generative neural networks / Chubo Deng in Remote sensing, vol 12 n° 21 (November 2020)PermalinkRiver ice segmentation with deep learning / Abhineet Singh in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkObject-based classification of mixed forest types in Mongolia / E. Nyamjargal in Geocarto international, vol 35 n° 14 ([15/10/2020])Permalink