Descripteur
Termes IGN > sciences naturelles > physique > traitement d'image > analyse d'image numérique > extraction de traits caractéristiques
extraction de traits caractéristiquesSynonyme(s)extraction des caractéristiques extraction de primitiveVoir aussi |
Documents disponibles dans cette catégorie (844)
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
Detection and area estimation for photovoltaic panels in urban hyperspectral remote sensing data by an original NMF-based unmixing method / Moussa Sofiane Karoui (2018)
Titre : Detection and area estimation for photovoltaic panels in urban hyperspectral remote sensing data by an original NMF-based unmixing method Type de document : Article/Communication Auteurs : Moussa Sofiane Karoui, Auteur ; Fatima Zohra Benhalouche, Auteur ; Yannick Deville, Auteur ; Khelifa Djerriri, Auteur ; Xavier Briottet , Auteur ; Arnaud Le Bris , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : HYEP / Weber, Christiane Conférence : IGARSS 2018, IEEE International Geoscience And Remote Sensing Symposium, observing, understanding and forecasting the dynamics of our planet 22/07/2018 27/07/2018 Valencia Espagne Proceedings IEEE Importance : pp 1640 - 1643 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] détection de contours
[Termes IGN] factorisation de matrice non-négative
[Termes IGN] image hyperspectrale
[Termes IGN] panneau photovoltaïque
[Termes IGN] zone urbaineRésumé : (auteur) Hyperspectral remote sensing data offer unique opportunities for the characterization of land surface in urban areas. However, no hyperspectral-unmixing based studies have been conducted to automatically detect photovoltaic panels, which represent one of the important components of energy systems in such areas. In this paper, a hyperspectral-unmixing based method is proposed to detect photovoltaic panels and to estimate their areas. This approach is based on an original multiplicative nonnegative matrix factorization (NMF) algorithm with some known photovoltaic panel spectra. The proposed method can be considered as a partial/informed NMF approach. Experiments are conducted on realistic synthetic and real data to evaluate the performance of the proposed approach. In both cases, obtained results show that the proposed method yields much better overall performance than a method from the literature. Numéro de notice : C2018-047 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2018.8518204 Date de publication en ligne : 05/11/2018 En ligne : https://doi.org/10.1109/IGARSS.2018.8518204 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91270 Détection de changement par imagerie radar sur les zones naturelles et agricoles en milieu tropical / Jérôme Lebreton (2018)
Titre : Détection de changement par imagerie radar sur les zones naturelles et agricoles en milieu tropical Type de document : Mémoire Auteurs : Jérôme Lebreton, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 45 p. Format : 21 x 30 cm Note générale : bibliographie
rapport de stage de fin d'études, Cycle géomètre-géomaticienLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] Arecaceae
[Termes IGN] composition colorée
[Termes IGN] comptage
[Termes IGN] correction d'image
[Termes IGN] déboisement
[Termes IGN] détection de changement
[Termes IGN] extraction de la végétation
[Termes IGN] Gabon
[Termes IGN] image aérienne
[Termes IGN] image captée par drone
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] image SPOT
[Termes IGN] image TerraSAR-X
[Termes IGN] milieu tropical
[Termes IGN] polarisation
[Termes IGN] rendement agricole
[Termes IGN] surveillance agricole
[Termes IGN] télédétection en hyperfréquenceIndex. décimale : GEOM Mémoires de géomètres civils, géomètres géomaticiens Résumé : (auteur) Dans le cadre du Challenge Numérique « Suivi des plantations dans les pays en développements» piloté par Booster Nova, L’Avion Jaune porte un projet nommé « Palmap » pour le groupe Olam International. Ce projet comprend un volet de développement de solutions permettant le suivi de la culture de palmiers à huile et un volet sur le suivi des mesures compensatoires de préservation de l’environnement naturel autour des plantations en utilisant des données vues du ciel (drones) combinées avec des données collectées sur le terrain et des données satellites. Olam International est une société singapourienne de négoce en produits agroalimentaires, qui gère des plantations (cacao, caoutchouc, huile de palme, amandes, noix de cajou, …) dans plusieurs pays. L’huile de palme est la plus consommée au monde et est considérée comme la source principale d’huile parmi les autres végétaux. Le Gabon s’est ainsi lancé dans cette production dû à un besoin essentiel de développer son agriculture afin de diversifier son économie. La production d’huile de palme est destinée principalement au marché local et à la sous région. Note de contenu : 1- Présentation
2- Contexte
3- Images radar
4- Analyse des données radarNuméro de notice : 21941 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études G Organisme de stage : L’Avion Jaune Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91741 Documents numériques
peut être téléchargé
Détection de changement par imagerie... - pdf auteurAdobe Acrobat PDF Facade repetition detection in a fronto-parallel view with fiducial lines extraction / Hongfei Xiao in Neurocomputing, vol 273 (January 2018)
[article]
Titre : Facade repetition detection in a fronto-parallel view with fiducial lines extraction Type de document : Article/Communication Auteurs : Hongfei Xiao, Auteur ; Gaofeng Meng, Auteur ; Lingfeng Wang, Auteur ; Chunhong Pan, Auteur Année de publication : 2018 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] détection d'objet
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] façade
[Termes IGN] programmation dynamiqueRésumé : (auteur) Detecting repetitive structures on building facades plays an important role in facade image analysis. Observing that repetitions are usually horizontally and vertically aligned, and thereby can be localized by the horizontal and vertical lines passing along the repetition boundaries, we propose to detect repetitions by extracting these fiducial lines. Firstly, candidate lines are detected, containing both the fiducial lines and some mistaken lines passing across facade wall or repetitive structures. Secondly, to pick out the fiducial lines, we formulate a maximum a posterior problem to measure the probabilities that the lines can localize the repetitions. Finally, a dynamic programming based algorithm is developed to solve the problem efficiently. To evaluate the proposed approach, we implement a series of experiments on a dataset containing 60 facade images as well as the public Ecole Central Paris facade dataset. Both qualitative and quantitative results demonstrate the effectiveness of our approach. Numéro de notice : A2017-559 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.neucom.2017.07.040 En ligne : https://doi.org/10.1016/j.neucom.2017.07.040 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86636
in Neurocomputing > vol 273 (January 2018)[article]Localisation d'objets urbains à partir de sources multiples dont des images aériennes / Lionel Pibre (2018)
Titre : Localisation d'objets urbains à partir de sources multiples dont des images aériennes Type de document : Thèse/HDR Auteurs : Lionel Pibre, Auteur ; Marc Chaumont, Auteur Editeur : Montpellier : Université de Montpellier Année de publication : 2018 Importance : 143 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université de Montpellier en InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] collectivité territoriale
[Termes IGN] diffusion de l'information
[Termes IGN] données multicapteurs
[Termes IGN] données multisources
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] fusion de données
[Termes IGN] image aérienne
[Termes IGN] reconnaissance d'objets
[Termes IGN] segmentation sémantique
[Termes IGN] séparateur à vaste marge
[Termes IGN] télédétection
[Termes IGN] urbanisme
[Termes IGN] zone urbaineIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Cette thèse aborde des problèmes liés à la localisation et la reconnaissance d’objets urbains dans des images multi-sources (optique, infrarouge, Modèle Numérique de Surface) de très haute précision acquises par voie aérienne.Les objets urbains (lampadaires, poteaux, voitures, arbres…) présentent des dimensions, des formes, des textures et des couleurs très variables. Ils peuvent être collés les uns les autres et sont de petite taille par rapport à la dimension d’une image. Ils sont présents en grand nombre mais peuvent être partiellement occultés. Tout ceci rend les objets urbains difficilement identifiables par les techniques actuelles de traitement d’images.Dans un premier temps, nous avons comparé les approches d’apprentissage classiques, composées de deux étapes - extraction de caractéristiques par le biais d’un descripteur prédéfini et utilisation d’un classifieur - aux approches d’apprentissage profond (Deep Learning), et plus précisément aux réseaux de neurones convolutionnels (CNN). Les CNN donnent de meilleurs résultats mais leurs performances ne sont pas suffisantes pour une utilisation industrielle. Nous avons donc proposé deux améliorations.Notre première contribution consiste à combiner de manière efficace les données provenant de sources différentes. Nous avons comparé une approche naïve qui consiste à considérer toutes les sources comme des composantes d’une image multidimensionnelle à une approche qui réalise la fusion des informations au sein même du CNN. Pour cela, nous avons traité les différentes informations dans des branches séparées du CNN. Nous avons ainsi montré que lorsque la base d’apprentissage contient peu de données, combiner intelligemment les sources dans une phase de pré-traitement (nous combinons l'optique et l'infrarouge pour créer une image NDVI) avant de les donner au CNN améliore les performances.Pour notre seconde contribution, nous nous sommes concentrés sur le problème des données incomplètes. Jusque-là, nous considérions que nous avions accès à toutes les sources pour chaque image mais nous pouvons aussi nous placer dans le cas où une source n’est pas disponible ou utilisable pour une image. Nous avons proposé une architecture permettant de prendre en compte toutes les données, même lorsqu’il manque une source sur une ou plusieurs images. Nous avons évalué notre architecture et montré que sur un scénario d’enrichissement, cette architecture permet d'obtenir un gain de plus de 2% sur la F-mesure.Les méthodes proposées ont été testées sur une base de données publique. Elles ont pour objectif d’être intégrées dans un logiciel de la société Berger-Levrault afin d’enrichir les bases de données géographiques et ainsi faciliter la gestion du territoire par les collectivités locales. Note de contenu : 1- Introduction
2- Etat de l'art
3- Comparaison entre des méthodes d’apprentissage automatique classiques et du deep learning
4- Fusion des données
5- Données incomplètes et réseau de neurones convolutionnels
6- Conclusions et perspectivesNuméro de notice : 25785 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Montpellier : 2018 Organisme de stage : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier) / société Berger-Levrault nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2018MONTS107 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94985 Localisation par l'image en milieu urbain : application à la réalité augmentée / Antoine Fond (2018)
Titre : Localisation par l'image en milieu urbain : application à la réalité augmentée Type de document : Thèse/HDR Auteurs : Antoine Fond, Auteur ; Marie-Odile Berger, Directeur de thèse Editeur : Nancy, Metz : Université de Lorraine Année de publication : 2018 Importance : 138 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du doctorat de l'Université de Lorraine, Ecole doctorale IAEM Lorraine, mention Informatique, 2018Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] appariement de formes
[Termes IGN] apprentissage profond
[Termes IGN] bati
[Termes IGN] détection du bâti
[Termes IGN] distance de Manhattan
[Termes IGN] estimation de pose
[Termes IGN] façade
[Termes IGN] orthorectification
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] point de fuite
[Termes IGN] réalité augmentée
[Termes IGN] recalage d'image
[Termes IGN] recalage de surfaces
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation d'image
[Termes IGN] segmentation sémantique
[Termes IGN] vision par ordinateur
[Termes IGN] zone urbaineIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Dans cette thèse, on aborde le problème de la localisation en milieux urbains. Inférer un positionnement précis en ville est important dans nombre d’applications comme la réalité augmentée ou la robotique mobile. Or les systèmes basés sur des capteurs inertiels (IMU) sont sujets à des dérives importantes et les données GPS peuvent souffrir d’un effet de vallée qui limite leur précision. Une solution naturelle est de s’appuyer le calcul de pose de caméra en vision par ordinateur. On remarque que les bâtiments sont les repères visuels principaux de l’humain, mais aussi des objets d’intérêt pour les applications de réalité augmentée. On cherche donc à partir d’une seule image à calculer la pose de la caméra par rapport à une base de données de bâtiments références connus. On décompose le problème en deux parties : trouver les références visibles dans l’image courante (reconnaissance de lieux) et calculer la pose de la caméra par rapport à eux. Les approches classiques de ces deux sous-problèmes sont mises en difficultés dans les environnements urbains à cause des forts effets perspectives, des répétitions fréquentes et de la similarité visuelle entre façades. Si des approches spécifiques à ces environnements ont été développés qui exploitent la grande régularité structurelle de tels milieux, elles souffrent encore d’un certain nombre de limitations autant pour la détection et la reconnaissance de façades que pour le calcul de pose par recalage de modèle. La méthode originale développée dans cette thèse s’inscrit dans ces approches spécifiques et vise à dépasser ces limitations en terme d’efficacité et de robustesse aux occultations, aux changements de points de vue et d’illumination. Pour cela, l’idée principale est de profiter des progrès récents de l’apprentissage profond par réseaux de neurones convolutionnels pour extraire de l’information de haut-niveau sur laquelle on peut baser des modèles géométriques. Notre approche est donc mixte Bottom-Up/Top-Down et se décompose en trois étapes clés. Nous proposons tout d’abord une méthode d’estimation de la rotation de la pose de caméra. Les 3 points de fuite principaux des images en milieux urbains, dits points de fuite de Manhattan sont détectés grâce à un réseau de neurones convolutionnels (CNN) qui fait à la fois une estimation de ces points de fuite, mais aussi une segmentation de l’image relativement à eux. Une second étape de raffinement utilise ces informations et les segments de l’image dans une formulation bayésienne pour estimer efficacement et plus précisément ces points. L’estimation de la rotation de la caméra permet de rectifier les images et ainsi s’affranchir des effets de perspectives pour la recherche de la translation. Dans une seconde contribution, nous visons ainsi à détecter les façades dans ces images rectifiées et à les reconnaître parmi une base de bâtiments connus afin d’estimer une translation grossière. Dans un souci d’efficacité, on a proposé une série d’indices basés sur des caractéristiques spécifiques aux façades (répétitions, symétrie, sémantique) qui permettent de sélectionner rapidement des candidats façades potentiels. Ensuite, ceux-ci sont classifiés en façade ou non selon un nouveau descripteur CNN contextuel. Enfin la mise en correspondance des façades détectées avec les références est opérée par un recherche au plus proche voisin relativement à une métrique apprise sur ces descripteurs [...] Note de contenu : Introduction
1 - Etat de l'art
2 - Estimation des points de fuite de Manhattan
3 - Proposition de façades pour la détection et la reconnaissance de bâtiments
4 - Segmentation et recalage de façade conjoint
ConclusionNuméro de notice : 21592 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : Informatique : Université de Lorraine : 2018 Organisme de stage : IFSTTAR nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2018LORR0028 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90630 Raffinement de la localisation d’images provenant de sites participatifs pour la mise à jour de SIG urbain / Bernard Semaan (2018)PermalinkPermalinkBuilding extraction from fused LiDAR and hyperspectral data using Random Forest Algorithm / Saeid Parsian in Geomatica, vol 71 n° 4 (December 2017)PermalinkCentrality-based hierarchy for street network generalization in multi-resolution maps / Wasim Shoman in Geocarto international, vol 32 n° 12 (December 2017)PermalinkDEM generation from contours and a low-resolution DEM / Xinghua Li in ISPRS Journal of photogrammetry and remote sensing, vol 134 (December 2017)PermalinkMultilayer projective dictionary pair learning and sparse autoencoder for PolSAR image classification / Yanqiao Chen in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)PermalinkMultimorphological superpixel model for hyperspectral image classification / Tianzhu Liu in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)PermalinkExtraction du bâti sur le territoire de la wilaya de Blida (Algérie) / Siham Bougdour in Géomatique expert, n° 119 (novembre - décembre 2017)PermalinkTree species classification using within crown localization of waveform LiDAR attributes / Rosmarie Blomley in ISPRS Journal of photogrammetry and remote sensing, vol 133 (November 2017)PermalinkRegistration of images to Lidar and GIS data without establishing explicit correspondences / Gabor Barsai in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 10 (October 2017)PermalinkFacet segmentation-based line segment extraction for large-scale point clouds / Yangbin Lin in IEEE Transactions on geoscience and remote sensing, vol 55 n° 9 (September 2017)PermalinkMultiple cues-based active contours for target contour tracking under sophisticated background / Peng Lv in The Visual Computer, vol 33 n°9 (September 2017)PermalinkUrban building reconstruction from raw LiDAR point data / Cheng Yi in Computer-Aided Design, vol 9x (2017)Permalink3D local feature BKD to extract road information from mobile laser scanning point clouds / Yang Bisheng in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)PermalinkJoint classification and contour extraction of large 3D point clouds / Timo Hackel in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)PermalinkLearning and transferring deep joint spectral–spatial features for hyperspectral classification / Jingxiang Yang in IEEE Transactions on geoscience and remote sensing, vol 55 n° 8 (August 2017)PermalinkSimultaneous extraction of roads and buildings in remote sensing imagery with convolutional neural networks / Rasha Alshehhi in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)PermalinkInteractive shearing for terrain visualization : an expert study / Jonas Buddeberg in Geoinformatica, vol 21 n° 3 (July - September 2017)PermalinkA novel automatic method for the fusion of ALS and TLS LiDAR data for robust assessment of tree crown structure / Claudia Paris in IEEE Transactions on geoscience and remote sensing, vol 55 n° 7 (July 2017)PermalinkChange detection of linear features in temporally spaced remotely sensed images using edge-based grid analysis / Arati Paul in Geocarto international, vol 32 n° 6 (June 2017)PermalinkGeometric features and their relevance for 3D point cloud classification / Martin Weinmann in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol IV-1/W1 (May 2017)PermalinkSelf-taught feature learning for hyperspectral image classification / Ronald Kemker in IEEE Transactions on geoscience and remote sensing, vol 55 n° 5 (May 2017)PermalinkAnalytical and numerical investigations on the accuracy and robustness of geometric features extracted from 3D point cloud data / André Dittrich in ISPRS Journal of photogrammetry and remote sensing, vol 126 (April 2017)PermalinkDeep supervised and contractive neural network for SAR image classification / Jie Geng in IEEE Transactions on geoscience and remote sensing, vol 55 n° 4 (April 2017)PermalinkDictionary learning-based feature-level domain adaptation for cross-scene hyperspectral image classification / Minchao Ye in IEEE Transactions on geoscience and remote sensing, vol 55 n° 3 (March 2017)PermalinkSpatial-spectral unsupervised convolutional sparse auto-encoder classifier for hyperspectral imagery / Xiaobing Han in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 3 (March 2017)PermalinkBuilding occlusion detection from ghost images / Guoqing Zhou in IEEE Transactions on geoscience and remote sensing, vol 55 n° 2 (February 2017)PermalinkOn the fusion of lidar and aerial color imagery to detect urban vegetation and buildings / Madhurima Bandyopadhyay in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 2 (February 2017)PermalinkPermalinkFusion of multi-temporal Sentinel-2 image series and very-high spatial resolution images for detection of urban areas / Cyril Wendl (2017)PermalinkMise en place d’un processus de dessin automatisé de plans d’intérieurs à partir de nuages de points acquis par LIDAR / Léa Talec (2017)PermalinkRaft cultivation area extraction from high resolution remote sensing imagery by fusing multi-scale region-line primitive association features / Wang Min in ISPRS Journal of photogrammetry and remote sensing, vol 123 (January 2017)PermalinkPermalinkPermalinkClass-specific sparse multiple kernel learning for spectral–spatial hyperspectral image classification / Tianzhu Liu in IEEE Transactions on geoscience and remote sensing, vol 54 n° 12 (December 2016)PermalinkUrban slum detection using texture and spatial metrics derived from satellite imagery / Divyani Kohli in Journal of spatial science, vol 61 n° 2 (December 2016)PermalinkGuided superpixel method for topographic map processing / Qiguang Miao in IEEE Transactions on geoscience and remote sensing, vol 54 n° 11 (November 2016)PermalinkAutomatic registration of MLS point clouds and SfM meshes of urban area / Reiji Yoshimura in Geo-spatial Information Science, vol 19 n° 3 (October 2016)PermalinkFast and accurate target detection based on multiscale saliency and active contour model for high-resolution SAR images / Song Tu in IEEE Transactions on geoscience and remote sensing, vol 54 n° 10 (October 2016)PermalinkA robust approach for tree segmentation in deciduous forests using small-footprint airborne LiDAR data / Hamid Hamraz in International journal of applied Earth observation and geoinformation, vol 52 (October 2016)PermalinkSAR image change detection based on correlation kernel and multistage extreme learning machine / Lu Jia in IEEE Transactions on geoscience and remote sensing, vol 54 n° 10 (October 2016)PermalinkInternational benchmarking of the individual tree detection methods for modeling 3-D canopy structure for silviculture and forest ecology using airborne laser scanning / Yunsheng Wang in IEEE Transactions on geoscience and remote sensing, vol 54 n° 9 (September 2016)PermalinkAutomatic delineation of built-up area at urban block level from topographic maps / Sebastian Muhs in Computers, Environment and Urban Systems, vol 58 (July 2016)PermalinkClassifying buildings from point clouds and images / Evangelos Maltezos in GIM international, vol 30 n° 7 (July 2016)PermalinkRegistration-based mapping of aboveground disparities (RMAD) for building detection in off-nadir VHR stereo satellite imagery / Suliman Alaeldin in Photogrammetric Engineering & Remote Sensing, PERS, vol 82 n° 7 (juillet 2016)Permalink