Descripteur
Documents disponibles dans cette catégorie (1844)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Automatic extraction of building geometries based on centroid clustering and contour analysis on oblique images taken by unmanned aerial vehicles / Leilei Zhang in International journal of geographical information science IJGIS, vol 36 n° 3 (March 2022)
![]()
[article]
Titre : Automatic extraction of building geometries based on centroid clustering and contour analysis on oblique images taken by unmanned aerial vehicles Type de document : Article/Communication Auteurs : Leilei Zhang, Auteur ; Guoxin Wang, Auteur ; Weijian Sun, Auteur Année de publication : 2022 Article en page(s) : pp 453 - 475 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse de groupement
[Termes IGN] classification barycentrique
[Termes IGN] classification non dirigée
[Termes IGN] détection de contours
[Termes IGN] détection du bâti
[Termes IGN] extraction automatique
[Termes IGN] image captée par drone
[Termes IGN] image oblique
[Termes IGN] modèle numérique de surface
[Termes IGN] orthophotocarte
[Termes IGN] précision géométrique (imagerie)Résumé : (auteur) This paper introduces a method based on centroid clustering and contour analysis to extract area and height measurements on buildings from the 3D model generated by oblique images. The method comprises three steps: (1) extract the contour plane from the fused data of the digital surface model (DSM) and digital orthophoto map (DOM); (2) identify building contour clusters based on the number of centroids contained in each category determined by mean-shift centroid clustering; (3) remove the mis-identified contours in a given building contour cluster by a contour analysis and obtain the geometric information of the building using map algebra. The proposed approach was tested against four datasets. Compared with other results, the detection has effective completeness, correctness, quality, and higher geometric accuracy. The maximum average relative error of building height and area extraction is less than 8%. The method is fast for a large-scale collection of building attributes and improves the applicability of oblique photography in GIS. Numéro de notice : A2022-205 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2021.1937632 Date de publication en ligne : 14/06/2021 En ligne : https://doi.org/10.1080/13658816.2021.1937632 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100020
in International journal of geographical information science IJGIS > vol 36 n° 3 (March 2022) . - pp 453 - 475[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2022031 SL Revue Centre de documentation Revues en salle Disponible Comparaison des images satellite et aériennes dans le domaine de la détection d’obstacles à la navigation aérienne et de leur mise à jour / Olivier de Joinville in XYZ, n° 170 (mars 2022)
[article]
Titre : Comparaison des images satellite et aériennes dans le domaine de la détection d’obstacles à la navigation aérienne et de leur mise à jour Type de document : Article/Communication Auteurs : Olivier de Joinville , Auteur ; Chloé Marcon, Auteur
Année de publication : 2022 Article en page(s) : pp 36 - 44 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] aéroport
[Termes IGN] analyse comparative
[Termes IGN] analyse diachronique
[Termes IGN] BD Topo
[Termes IGN] classification dirigée
[Termes IGN] classification orientée objet
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification pixellaire
[Termes IGN] contrôle qualité
[Termes IGN] détection de changement
[Termes IGN] détection du bâti
[Termes IGN] extraction de la végétation
[Termes IGN] image Pléiades-HR
[Termes IGN] image Sentinel-MSI
[Termes IGN] mise à jour de base de données
[Termes IGN] modèle numérique de surface
[Termes IGN] Nice
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] orthoimage
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] QGIS
[Termes IGN] réalité de terrainRésumé : (Auteur) Le Service d’information aéronautique (SIA) est un service de la DGAC (Direction générale de l’aviation civile) qui publie et exploite des obstacles à la navigation aérienne afin de sécuriser les vols aux abords des aérodromes. L’article propose une étude comparative entre des données images aériennes (OrthoImages) et des données images satellite (Pléiades et Sentinel) dans les deux domaines suivants : détection d’obstacles (essentiellement végétation et bâtiments) ainsi que leur mise à jour. Il ressort que les images satellite, du fait de leur forte qualité radiométrique et géométrique, offrent un potentiel légèrement supérieur aux images aériennes pour le SIA. De futures études utilisant d’autres capteurs optiques, LiDAR et Radar et des moyens de contrôle plus exhaustifs, devront être menées pour confirmer cette tendance. Numéro de notice : A2022-225 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100191
in XYZ > n° 170 (mars 2022) . - pp 36 - 44[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 112-2022011 RAB Revue Centre de documentation En réserve L003 Disponible Deep-learning-based multispectral image reconstruction from single natural color RGB image - Enhancing UAV-based phenotyping / Jiangsan Zhao in Remote sensing, vol 14 n° 5 (March-1 2022)
![]()
[article]
Titre : Deep-learning-based multispectral image reconstruction from single natural color RGB image - Enhancing UAV-based phenotyping Type de document : Article/Communication Auteurs : Jiangsan Zhao, Auteur ; Ajay Kumar, Auteur ; Balaji Naik Banoth, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 1272; Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] agriculture de précision
[Termes IGN] apprentissage profond
[Termes IGN] erreur absolue
[Termes IGN] image multibande
[Termes IGN] image RVB
[Termes IGN] Inde
[Termes IGN] phénologie
[Termes IGN] reconstruction d'imageRésumé : (auteur) Multispectral images (MSIs) are valuable for precision agriculture due to the extra spectral information acquired compared to natural color RGB (ncRGB) images. In this paper, we thus aim to generate high spatial MSIs through a robust, deep-learning-based reconstruction method using ncRGB images. Using the data from the agronomic research trial for maize and breeding research trial for rice, we first reproduced ncRGB images from MSIs through a rendering model, Model-True to natural color image (Model-TN), which was built using a benchmark hyperspectral image dataset. Subsequently, an MSI reconstruction model, Model-Natural color to Multispectral image (Model-NM), was trained based on prepared ncRGB (ncRGB-Con) images and MSI pairs, ensuring the model can use widely available ncRGB images as input. The integrated loss function of mean relative absolute error (MRAEloss) and spectral information divergence (SIDloss) were most effective during the building of both models, while models using the MRAEloss function were more robust towards variability between growing seasons and species. The reliability of the reconstructed MSIs was demonstrated by high coefficients of determination compared to ground truth values, using the Normalized Difference Vegetation Index (NDVI) as an example. The advantages of using “reconstructed” NDVI over Triangular Greenness Index (TGI), as calculated directly from RGB images, were illustrated by their higher capabilities in differentiating three levels of irrigation treatments on maize plants. This study emphasizes that the performance of MSI reconstruction models could benefit from an optimized loss function and the intermediate step of ncRGB image preparation. The ability of the developed models to reconstruct high-quality MSIs from low-cost ncRGB images will, in particular, promote the application for plant phenotyping in precision agriculture. Numéro de notice : A2022-210 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/rs14051272 Date de publication en ligne : 05/03/2022 En ligne : https://doi.org/10.3390/rs14051272 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100033
in Remote sensing > vol 14 n° 5 (March-1 2022) . - n° 1272;[article]Estimation of uneven-aged forest stand parameters, crown closure and land use/cover using the Landsat 8 OLI satellite image / Sinan Kaptan in Geocarto international, vol 37 n° 5 ([01/03/2022])
![]()
[article]
Titre : Estimation of uneven-aged forest stand parameters, crown closure and land use/cover using the Landsat 8 OLI satellite image Type de document : Article/Communication Auteurs : Sinan Kaptan, Auteur ; Hasan Aksoy, Auteur Année de publication : 2022 Article en page(s) : pp 1408 - 1425 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification dirigée
[Termes IGN] correction géométrique
[Termes IGN] forêt inéquienne
[Termes IGN] houppier
[Termes IGN] image Landsat-OLI
[Termes IGN] occupation du sol
[Termes IGN] peuplement forestier
[Termes IGN] Turquie
[Termes IGN] utilisation du solRésumé : (Auteur) This study used the Landsat 8 OLI satellite image and the supervised classification method to estimate uneven-aged forest stand parameters and land use/cover. The spatial success of classification was also investigated. The overall success rates and Kappa values of the classification were, respectively, 74.7% and 0.75 for actual structural type, 84.6% and 0.80 for crown closure, and 88.35% and 0.81 for land use class, whereas the spatial success of classification on the forest cover type map was 36.91% for actual structural type, 64.74% for crown closure, and 41.78% for land use/cover class. The results revealed that the Landsat 8 OLI image can be used to identify stand parameters and land use/cover class. However, because the spatial success rates were below 50% for the actual structural type and land use/cover class of the stand types, it is not suitable for use in spatial classification determination for these classes. Numéro de notice : A2022-277 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2020.1765888 Date de publication en ligne : 20/05/2020 En ligne : https://doi.org/10.1080/10106049.2020.1765888 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100795
in Geocarto international > vol 37 n° 5 [01/03/2022] . - pp 1408 - 1425[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 059-2022051 RAB Revue Centre de documentation En réserve L003 Disponible Extraction from high-resolution remote sensing images based on multi-scale segmentation and case-based reasoning / Jun Xu in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 3 (March 2022)
![]()
[article]
Titre : Extraction from high-resolution remote sensing images based on multi-scale segmentation and case-based reasoning Type de document : Article/Communication Auteurs : Jun Xu, Auteur ; Jiasong Li, Auteur ; Hao Peng, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 199 - 205 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse comparative
[Termes IGN] analyse d'image orientée objet
[Termes IGN] classification barycentrique
[Termes IGN] distance de Kullback-Leibler
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image à haute résolution
[Termes IGN] image Worldview
[Termes IGN] masque
[Termes IGN] occupation du sol
[Termes IGN] segmentation d'image
[Termes IGN] segmentation multi-échelle
[Termes IGN] séparateur à vaste margeRésumé : (auteur) In object-oriented information extraction from high-resolution remote sensing images, the segmentation and classification of images involves considerable manual participation, which limits the development of automation and intelligence for these purposes. Based on the multi-scale segmentation strategy and case-based reasoning, a new method for extracting high-resolution remote sensing image information by fully using the image and nonimage features of the case object is proposed. Feature selection and weight learning are used to construct a multi-level and multi-layer case library model of surface cover classification reasoning. Combined with image mask technology, this method is applied to extract surface cover classification information from remote sensing images using different sensors, time, and regions. Finally, through evaluation of the extraction and recognition rates, the accuracy and effectiveness of this method was verified. Numéro de notice : A2022-202 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.20-00104R3 Date de publication en ligne : 01/03/2022 En ligne : https://doi.org/10.14358/PERS.20-00104R3 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100006
in Photogrammetric Engineering & Remote Sensing, PERS > vol 88 n° 3 (March 2022) . - pp 199 - 205[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2022031 SL Revue Centre de documentation Revues en salle Disponible Monitoring of phenological stage and yield estimation of sunflower plant using Sentinel-2 satellite images / Omer Gokberk Narin in Geocarto international, vol 37 n° 5 ([01/03/2022])
PermalinkA novel regression method for harmonic analysis of time series / Qiang Zhou in ISPRS Journal of photogrammetry and remote sensing, vol 185 (March 2022)
PermalinkProbabilistic unsupervised classification for large-scale analysis of spectral imaging data / Emmanuel Paradis in International journal of applied Earth observation and geoinformation, vol 107 (March 2022)
PermalinkSimultaneous retrieval of selected optical water quality indicators from Landsat-8, Sentinel-2, and Sentinel-3 / Nima Pahlevan in Remote sensing of environment, vol 270 (March 2022)
PermalinkTraffic sign three-dimensional reconstruction based on point clouds and panoramic images / Minye Wang in Photogrammetric record, vol 37 n° 177 (March 2022)
PermalinkVisual vs internal attention mechanisms in deep neural networks for image classification and object detection / Abraham Montoya Obeso in Pattern recognition, vol 123 (March 2022)
PermalinkMulti-species individual tree segmentation and identification based on improved mask R-CNN and UAV imagery in mixed forests / Chong Zhang in Remote sensing, vol 14 n° 4 (February-2 2022)
PermalinkBuilding footprint extraction in Yangon city from monocular optical satellite image using deep learning / Hein Thura Aung in Geocarto international, vol 37 n° 3 ([01/02/2022])
PermalinkA combination of convolutional and graph neural networks for regularized road surface extraction / Jingjing Yan in IEEE Transactions on geoscience and remote sensing, vol 60 n° 2 (February 2022)
PermalinkDecision fusion of deep learning and shallow learning for marine oil spill detection / Junfang Yang in Remote sensing, vol 14 n° 3 (February-1 2022)
Permalink