Descripteur
Documents disponibles dans cette catégorie (2407)
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
Random-walker-based collaborative learning for hyperspectral image classification / Bin Sun in IEEE Transactions on geoscience and remote sensing, vol 55 n° 1 (January 2017)
[article]
Titre : Random-walker-based collaborative learning for hyperspectral image classification Type de document : Article/Communication Auteurs : Bin Sun, Auteur ; Xudong Kang, Auteur ; Shutao Li, Auteur ; Jon Atli Benediktsson, Auteur Année de publication : 2017 Article en page(s) : pp 212 - 222 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage semi-dirigé
[Termes IGN] champ aléatoire de Markov
[Termes IGN] classification
[Termes IGN] image hyperspectraleRésumé : (Auteur) Active learning (AL) and semisupervised learning (SSL) are both promising solutions to hyperspectral image classification. Given a few initial labeled samples, this work combines AL and SSL in a novel manner, aiming to obtain more manually labeled and pseudolabeled samples and use them together with the initial labeled samples to improve the classification performance. First, based on a comparison of the segmentation and spectral-spatial classification results obtained by random walker (RW) and extended RW (ERW) algorithms, the unlabeled samples are separated into two different sets, i.e., low- and high-confidence unlabeled data sets. For the high-confidence unlabeled data, pseudolabeling is performed, which can ensure the correctness and informativeness of the pseudolabeled samples. For the low-confidence unlabeled data, AL is used to select samples. In this way, the samples which are more effective for improvement of classification performance can be labeled in only a few iterations. Finally, with the learned training set and the original hyperspectral image as inputs, the ERW classifier is used to obtain the final classification result. Experiments performed on three real hyperspectral data sets show that the proposed method can achieve competitive classification accuracy even with a very limited number of manually labeled samples. Numéro de notice : A2017-019 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2016.2604290 En ligne : https://doi.org/10.1109/TGRS.2016.2604290 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83950
in IEEE Transactions on geoscience and remote sensing > vol 55 n° 1 (January 2017) . - pp 212 - 222[article]Réseaux de neurones convolutifs pour la segmentation sémantique et l'apprentissage d'invariants de couleur / Damien Fourure (2017)
Titre : Réseaux de neurones convolutifs pour la segmentation sémantique et l'apprentissage d'invariants de couleur Type de document : Thèse/HDR Auteurs : Damien Fourure, Auteur ; Alain Trémeau, Directeur de thèse ; Christian Wolf, Directeur de thèse Editeur : Université de Lyon Année de publication : 2017 Autre Editeur : Saint-Etienne : Université Jean-Monnet-Saint-Etienne Importance : 178 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université de Lyon opérée au sein de l’Université Jean Monnet de Saint-Étienne, Spécialité de doctorat : InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] architecture de réseau
[Termes IGN] chromatopsie
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] estimation de pose
[Termes IGN] intelligence artificielle
[Termes IGN] Perceptron multicouche
[Termes IGN] segmentation sémantique
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La vision par ordinateur est un domaine interdisciplinaire étudiant la manière dont les ordinateurs peuvent acquérir une compréhension de haut niveau à partir d’images ou de vidéos numériques. En intelligence artificielle, et plus précisément en apprentissage automatique, domaine dans lequel se positionne cette thèse, la vision par ordinateur passe par l’extraction de caractéristiques présentes dans les images puis par la généralisation de concepts liés à ces caractéristiques. Ce domaine de recherche est devenu très populaire ces dernières années, notamment grâce aux résultats des réseaux de neurones convolutifs à la base des méthodes dites d’apprentissage profond. Aujourd’hui les réseaux de neurones permettent, entre autres, de reconnaître les différents objets présents dans une image, de générer des images très réalistes ou même de battre les champions au jeu de Go. Leurs performances ne s’arrêtent d’ailleurs pas au domaine de l’image puisqu’ils sont aussi utilisés dans d’autres domaines tels que le traitement du langage naturel (par exemple en traduction automatique) ou la reconnaissance de son. Dans cette thèse, nous étudions les réseaux de neurones convolutifs afin de développer des architectures et des fonctions de coûts spécialisées à des tâches aussi bien de bas niveau (la constance chromatique) que de haut niveau (la segmentation sémantique d’image). Une première contribution s’intéresse à la tâche de constance chromatique. En vision par ordinateur, l’approche principale consiste à estimer la couleur de l’illuminant puis à supprimer son impact sur la couleur perçue des objets. Les expériences que nous avons menées montrent que notre méthode permet d’obtenir des performances compétitives avec l’état de l’art. Néanmoins, notre architecture requiert une grande quantité de données d’entraînement. Afin de corriger en parti ce problème et d’améliorer l’entraînement des réseaux de neurones, nous présentons plusieurs techniques d’augmentation artificielle de données. Nous apportons également deux contributions sur une problématique de haut niveau : la segmentation sémantique d’image. Cette tâche, qui consiste à attribuer une classe sémantique à chacun des pixels d’une image, constitue un défi en vision par ordinateur de par sa complexité. D’une part, elle requiert de nombreux exemples d’entraînement dont les vérités terrains sont coûteuses à obtenir. D’autre part, elle nécessite l’adaptation des réseaux de neurones convolutifs traditionnels afin d’obtenir une prédiction dite dense, c’est-à-dire, une prédiction pour chacun pixel présent dans l’image d’entrée. Pour résoudre la difficulté liée à l’acquisition de données d’entrainements, nous proposons une approche qui exploite simultanément plusieurs bases de données annotées avec différentes étiquettes. Pour cela, nous définissons une fonction de coût sélective. Nous développons aussi une approche dites d’auto-contexte capturant d’avantage les corrélations existantes entre les étiquettes des différentes bases de données. Finalement, nous présentons notre troisième contribution : une nouvelle architecture de réseau de neurones convolutifs appelée GridNet spécialisée pour la segmentation sémantique d’image. Contrairement aux réseaux traditionnels, notre architecture est implémentée sous forme de grille 2D permettant à plusieurs flux interconnectés de fonctionner à différentes résolutions. Afin d’exploiter la totalité des chemins de la grille, nous proposons une technique d’entraînement inspirée du dropout. En outre, nous montrons empiriquement que notre architecture généralise de nombreux réseaux bien connus de l’état de l’art. Nous terminons par une analyse des résultats empiriques obtenus avec notre architecture qui, bien qu’entraînée avec une initialisation aléatoire des poids, révèle de très bonnes performances, dépassant les approches populaires souvent pré-entraînés. Note de contenu : 1- Introduction
2- Les réseaux de neurones convolutifs pour la vision par ordinateur
3- Sous-échantillonnage mixte appliqué à la constance chromatique
4- Segmentation sémantique d’images
5- Une fonction de coût sélective
6- GridNet, une architecture spécialisée pour la segmentation sémantique
7- Conclusion et PerspectivesNuméro de notice : 25838 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Informatique : Lyon : 2017 Organisme de stage : Université Jean Monnet de Saint-Étienne + LIRIS nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-02111472/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95192 Segmentation sémantique de données de télédétection multimodale : application aux peuplements forestiers / Clément Dechesne (2017)
Titre : Segmentation sémantique de données de télédétection multimodale : application aux peuplements forestiers Titre original : Semantic segmentation of multimodal remote sensing data : case study of forest stands Type de document : Article/Communication Auteurs : Clément Dechesne , Auteur ; Clément Mallet , Auteur ; Arnaud Le Bris , Auteur ; Valérie Gouet-Brunet , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2017 Conférence : ORASIS 2017, 16e journées francophones des jeunes chercheurs en vision par ordinateur 12/06/2017 16/06/2017 Colleville-sur-Mer France open access proceedings Importance : 8 p. Note générale : Bibliographie Langues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] arbre (flore)
[Termes IGN] attribut géomètrique
[Termes IGN] attribut sémantique
[Termes IGN] base de données localisées IGN
[Termes IGN] classification dirigée
[Termes IGN] délimitation
[Termes IGN] données lidar
[Termes IGN] espèce végétale
[Termes IGN] fusion de données
[Termes IGN] image multibande
[Termes IGN] méthode de réduction d'énergie
[Termes IGN] peuplement forestier
[Termes IGN] précision de la classification
[Termes IGN] segmentation sémantiqueRésumé : (Auteur) La délimitation des peuplements forestiers est une connaissance fondamentale pour la gestion des forêts, pour les politiques publiques, pour l’aménagement du territoire, etc. Cette tâche est encore principalement réalisée manuellement par photo-interprétation d’images géospatiales à (très) haute résolution spatiale (THR). La délimitation des peuplements a été peu abordée dans la littérature, et s’est principalement intéressée, dans des environnements forestiers, à l’extraction individuelle des arbres, qui reste imprécise, et la classification des espèces d’arbres, qui présente des résultats peu satisfaisants. Dans cet article, une méthode fondée sur la fusion des données lidar aéroportées et des images multispectrales THR est proposée pour la délimitation automatique des peuplements forestiers. Les images multispectrales donnent des informations sur les espèces d’arbres, tandis que les nuages de points lidar 3D fournissent des informations géométriques (sur la hauteur principalement). Des attributs multimodaux sont calculés, à la fois au niveau du pixel et de l’objet : les objets sont obtenus à partir d’une sur-segmentation. Une classification supervisée est ensuite effectuée au niveau de l’objet afin de discriminer grossièrement les espèces d’arbres existantes dans chaque zone d’intérêt. Les résultats de la classification sont ensuite traités pour obtenir des zones homogènes avec des frontières lisses par minimisation d’énergie. La formulation de l’énergie comporte deux parties ; une liée à la classification, et une autre dans laquelle des contraintes supplémentaires liées aux attributs précédemment calculés, sont ajoutées. Le modèle énergétique est efficace avec un gain de précision jusqu’à 15% par rapport à la classification au niveau de l’objet. Les résultats de la segmentation utilisant ce modèle ont une précision allant de 96% à 99% par rapport à la Base de Données Forêt de l’IGN. Numéro de notice : C2017-015 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : FORET/IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans En ligne : https://hal.archives-ouvertes.fr/hal-01866680 Format de la ressource électronique : vers HAL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=87048 Documents numériques
en open access
C2017-015-Segmentation sémantique - version auteurAdobe Acrobat PDF Segmentation sémantique de peuplements forestiers par analyse conjointe d’imagerie multispectrale très haute résolution et de données 3D Lidar aéroportées / Clément Dechesne (2017)
Titre : Segmentation sémantique de peuplements forestiers par analyse conjointe d’imagerie multispectrale très haute résolution et de données 3D Lidar aéroportées Type de document : Thèse/HDR Auteurs : Clément Dechesne , Auteur ; Valérie Gouet-Brunet , Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2017 Importance : 220 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat pour obtenir le grade de docteur délivré par l’Université Paris-Est, spécialité doctorale Sciences et Technologies de l’Information GéographiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] attribut
[Termes IGN] chaîne de traitement
[Termes IGN] classification dirigée
[Termes IGN] classification orientée objet
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] délimitation
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] essence d'arbre
[Termes IGN] fusion de données
[Termes IGN] image multibande
[Termes IGN] méthode de réduction d'énergie
[Termes IGN] peuplement forestier
[Termes IGN] semis de points
[Termes IGN] zone homogèneIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les peuplements forestiers constituent une entité de base pour l’inventaire forestier statistique et la cartographie. Ils sont définis comme de (grandes) zones forestières (par exemple, de plus de 2 ha) et de composition homogène en termes d’essences d’arbres et d’âge. Leur délimitation précise est généralement effectuée par des opérateurs humains par une analyse visuelle d’images contenant un canal infrarouges à très haute résolution (THR). Cette tâche est fastidieuse, nécessite beaucoup de temps et doit donc être automatisée pour un suivi de l’évolution et une mise à jour plus efficace des bases de données. Une méthode fondée sur la fusion de données lidar aéroportées et d’images multispectrales THR est proposée pour la délimitation automatique de peuplements forestiers contenant une essence dominante (c’est à dire, pure à plus de 75%). Il s’agit en effet d’une tâche préliminaire importante pour la mise à jour de la base de données de la couverture forestière. La méthode est adaptable à la donnée et au paysage étudié. Elle est composée de quatre étapes qui sont analysées en profondeur qui tirent le meilleur parti des différents sources de données de télédétection, à l’aide de processus de fusion à plusieurs niveaux des images optiques VHR et du nuage de points lidar 3D aéroporté mais aussi de l’analyse de la base de données géographique (BD Forêt) décrivant la forêt Française. Des attributs multimodaux sont d’abord extraits et leur pertinence est évaluée. Ces attributs sont ensuite croisée avec une sur-segmentation afin d’obtenir des attributs au niveau de l’objet. Il peut s’agir d’arbres (obtenus à partir du nuage de points) ou de tout autre objet de taille et/ou de forme similaire. En raison du nombre élevé d’attributs, une sélection d’attributs est ensuite effectuée. Elle permet de réduire les temps de calcul, d’améliorer la discrimination ainsi que d’évaluer la pertinence des attributs extraits et la complémentarité des données de télédétection. Une classification supervisée fondée objet est ensuite effectuée avec l’algorithme supervisé des Forêts Aléatoires. Une attention spéciale est apportée à la création du jeu d’apprentissage afin de faire face aux erreurs potentielles de la base de données Forêt. Enfin, le résultat de la classification est ensuite traité afin d’obtenir des zones homogènes avec des frontières lisses. Ce lissage est effectué de manière globale sur l’image en minimisant une énergie, dans laquelle contraintes supplémentaires sont proposées en plus des formulations classiques pour former la fonction d’énergie. Ce problème est reformulé de manière graphique et résolu par une approche de type coupe de graphe. Une étude détaillée des différentes parties de la chaîne de traitement proposée à été réalisée. Les résultats expérimentaux montrent que la méthode proposée fournit des résultats très satisfaisants en termes d’étiquetage et de délimitation des peuplements, même pour des régions spatialement éloignées et présentant des paysages différents. La méthode proposée permet également d’évaluer la complémentarité des sources de données de télédétection (à savoir le lidar et les images optiques THR). Plusieurs schémas de fusion sont par ailleurs proposés en fonction du niveau de détail souhaité et des éventuelles contraintes opérationnelles (temps de calculs, données). Note de contenu : 1- Introduction
2- State of the art
3- Proposed framework
4- Flowchart assessment
5- Regularization: how to obtain smooth relevant stands?
6- Data fusion
7- Conclusions and perspectivesNuméro de notice : 17504 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE/INFORMATIQUE/MATHEMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences et Technologies de l’Information Géographique : Paris-Est : 2017 Organisme de stage : MATIS (IGN) nature-HAL : Thèse DOI : sans En ligne : https://hal.science/tel-01760483 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90390 Single Image Super-Resolution based on Neural Networks for text and face recognition / Clément Peyrard (2017)
Titre : Single Image Super-Resolution based on Neural Networks for text and face recognition Type de document : Thèse/HDR Auteurs : Clément Peyrard, Auteur ; Christophe Garcia, Auteur Editeur : Université de Lyon Année de publication : 2017 Autre Editeur : Lyon : Institut National des Sciences Appliquées INSA Lyon Importance : 187 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université de Lyon opérée au sein de INSA de Lyon, discipline : InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] artefact
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de visage
[Termes IGN] image à basse résolution
[Termes IGN] image à haute résolution
[Termes IGN] méthode fondée sur le noyau
[Termes IGN] reconnaissance automatique
[Termes IGN] reconnaissance de caractères
[Termes IGN] reconnaissance de formesIndex. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis is focussed on super-resolution (SR) methods for improving automatic recognition system (Optical Character Recognition, face recognition) in realistic contexts. SR methods allow to generate high resolution images from low resolution ones. Unlike upsampling methods such as interpolation, they restore spatial high frequencies and compensate artefacts such as blur or jaggy edges. In particular, example-based approaches learn and model the relationship between low and high resolution spaces via pairs of low and high resolution images. Artificial Neural Networks are among the most efficient systems to address this problem. This work demonstrate the interest of SR methods based on neural networks for improved automatic recognition systems. By adapting the data, it is possible to train such Machine Learning algorithms to produce high-resolution images. Convolutional Neural Networks are especially efficient as they are trained to simultaneously extract relevant non-linear features while learning the mapping between low and high resolution spaces. On document text images, the proposed method improves OCR accuracy by +7.85 points compared with simple interpolation. The creation of an annotated image dataset and the organisation of an international competition (ICDAR2015) highlighted the interest and the relevance of such approaches. Moreover, if a priori knowledge is available, it can be used by a suitable network architecture. For facial images, face features are critical for automatic recognition. A two step method is proposed in which image resolution is first improved, followed by specialised models that focus on the essential features. An off-the-shelf face verification system has its performance improved from +6.91 up to +8.15 points. Finally, to address the variability of real-world low-resolution images, deep neural networks allow to absorb the diversity of the blurring kernels that characterise the low-resolution images. With a single model, high-resolution images are produced with natural image statistics, without any knowledge of the actual observation model of the low-resolution image. Note de contenu : 1- Introduction
2- Definitions and application domains
3- Literature review
4- Text single image super-resolution
5- Face single image super-resolution
6- Blind and robust super-resolution
7- ConclusionNuméro de notice : 25863 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Discipline : Informatique : Lyon 2017 Organisme de stage : LIRIS nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2017LYSEI083 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95506 Sparsity, redundancy and robustness in artificial neural networks for learning and memory / Philippe Tigréat (2017)PermalinkSVM et réseaux neuronaux convolutifs pour la classification de scènes urbaines / Amaury Zarzelli (2017)PermalinkTélédétection pour l'observation des surfaces continentales, ch. 6. Méthodes de traitement de données lidar / Clément Mallet (2017)PermalinkTélédétection pour l'observation des surfaces continentales, ch. 7. Modèles numériques de terrain à partir de données lidar aéroportées / Clément Mallet (2017)PermalinkTélédétection pour l'observation des surfaces continentales, Volume 1. Observation des surfaces continentales par télédétection optique / Nicolas Baghdadi (2017)PermalinkThe use of logistic model tree (LMT) for pixel- and object-based classifications using high-resolution WorldView-2 imagery / Ismail Colkesen in Geocarto international, vol 32 n° 1 (January 2017)PermalinkUtilisation de données satellites dans le combat contre l'esclavage moderne / Florent Negrel-Teodori (2017)PermalinkUtilisation d’image THR et drone pour l’étude de la dynamique côtière d’Ouvéa (Île des Loyautés - Nouvelle Calédonie) / Sabrina Bosque (2017)PermalinkPermalinkWeakly supervised segmentation-aided classification of urban scenes from 3D LIDAR point clouds / Stéphane Guinard (2017)PermalinkAssessing the robustness of Random Forests to map land cover with high resolution satellite image time series over large areas / Charlotte Pelletier in Remote sensing of environment, vol 187 (15 December 2016)PermalinkMapping individual tree health using full-waveform airborne laser scans and imaging spectroscopy: A case study for a floodplain eucalypt forest / Iurii Shendryk in Remote sensing of environment, vol 187 (15 December 2016)PermalinkDiscriminative-dictionary-learning-based multilevel point-cluster features for ALS point-cloud classification / Zhenxin Zhang in IEEE Transactions on geoscience and remote sensing, vol 54 n° 12 (December 2016)PermalinkMRF-based segmentation and unsupervised classification for building and road detection in peri-urban areas of high-resolution satellite images / Ilias Grinias in ISPRS Journal of photogrammetry and remote sensing, vol 122 (December 2016)PermalinkStatistical inference for forest structural diversity indices using airborne laser scanning data and the k-Nearest Neighbors technique / Matteo Mura in Remote sensing of environment, vol 186 (1 December 2016)PermalinkEnabling point pattern analysis on spatial big data using cloud computing: optimizing and accelerating Ripley’s K function / Guiming Zhang in International journal of geographical information science IJGIS, vol 30 n° 11-12 (November - December 2016)PermalinkFast three-dimensional empirical mode decomposition of hyperspectral images for class-oriented multitask learning / Zhi He in IEEE Transactions on geoscience and remote sensing, vol 54 n° 11 (November 2016)PermalinkMultiple kernel learning based on discriminative kernel clustering for hyperspectral band selection / Jie Feng in IEEE Transactions on geoscience and remote sensing, vol 54 n° 11 (November 2016)PermalinkRobust multitask learning with three-dimensional empirical mode decomposition-based features for hyperspectral classification / Zhi He in ISPRS Journal of photogrammetry and remote sensing, vol 121 (November 2016)PermalinkSemi-supervised hyperspectral classification from a small number of training samples using a co-training approach / Michał Romaszewski in ISPRS Journal of photogrammetry and remote sensing, vol 121 (November 2016)PermalinkDeep feature extraction and classification of hyperspectral images based on convolutional neural networks / Yushi Chen in IEEE Transactions on geoscience and remote sensing, vol 54 n° 10 (October 2016)PermalinkDeveloping a web-based system for supervised classification of remote sensing images / Ziheng Sun in Geoinformatica, vol 20 n° 4 (October - December 2016)PermalinkEvaluating EO1-Hyperion capability for mapping conifer and broadleaved forests / Nicola Puletti in European journal of remote sensing, vol 49 n° 1 (2016)PermalinkHabitat change on Horn Island, Mississippi, 1940-2010, determined from textural features in panchromatic vertical aerial imagery / Guy W. Jeter Jr in Geocarto international, Vol 31 n° 9 - 10 (October - November 2016)PermalinkModeling the effects of horizontal positional error on classification accuracy statistics / Henry B. Glick in Photogrammetric Engineering & Remote Sensing, PERS, vol 82 n° 10 (October 2016)PermalinkObject-based morphological profiles for classification of remote sensing imagery / Christian Geiss in IEEE Transactions on geoscience and remote sensing, vol 54 n° 10 (October 2016)PermalinkSemisupervised classification for hyperspectral image based on multi-decision labeling and deep feature learning / Xiaorui Ma in ISPRS Journal of photogrammetry and remote sensing, vol 120 (october 2016)PermalinkThe D-FCM partitioned D-BSP tree for massive point cloud data access and rendering / Yi Zhang in ISPRS Journal of photogrammetry and remote sensing, vol 120 (october 2016)PermalinkAutomatic recognition of long period events from volcano tectonic earthquakes at Cotopaxi volcano / Román A. Lara-Cueva in IEEE Transactions on geoscience and remote sensing, vol 54 n° 9 (September 2016)PermalinkDevelopment of a mixed pixel filter for improved dimension estimation using AMCW laser scanner / Qiang Wang in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkEstimating forest species abundance through linear unmixing of CHRIS/PROBA imagery / S. Stagakis in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkLocal-scale flood mapping on vegetated floodplains from radiometrically calibrated airborne LiDAR data / Radosław Malinowski in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkMapping of land cover in northern California with simulated hyperspectral satellite imagery / Matthew L. Clark in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkRetrieval of leaf area index in different plant species using thermal hyperspectral data / Elnaz Neinavaz in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkShadow detection and removal in RGB VHR images for land use unsupervised classification / A. Movia in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkDirichlet process based active learning and discovery of unknown classes for hyperspectral image classification / Hao Wu in IEEE Transactions on geoscience and remote sensing, vol 54 n° 8 (August 2016)PermalinkSea ice concentration estimation during melt from dual-pol SAR scenes using deep convolutional neural networks: a case study / Lei Wang in IEEE Transactions on geoscience and remote sensing, vol 54 n° 8 (August 2016)PermalinkSparse output coding for scalable visual recognition / Bin Zhao in International journal of computer vision, vol 119 n° 1 (August 2016)PermalinkUnsupervised classification of airborne laser scanning data to locate potential wildlife habitats for forest management planning / Jari Vauhkonen in Forestry, an international journal of forest research, vol 89 n° 4 (August 2016)PermalinkApport des images THRS pour la catégorisation des agro-systèmes complexes à Mayotte / Rafaël Molina in Géomatique expert, n° 111 (juillet- août 2016)PermalinkClassifying buildings from point clouds and images / Evangelos Maltezos in GIM international, vol 30 n° 7 (July 2016)PermalinkEfficient multiple-feature learning-based hyperspectral image classification with limited training samples / Chongyue Zhao in IEEE Transactions on geoscience and remote sensing, vol 54 n° 7 (July 2016)PermalinkGeographically weighted evidence combination approaches for combining discordant and inconsistent volunteered geographical information / Alexis Comber in Geoinformatica, vol 20 n° 3 (July - September 2016)PermalinkLocation K-anonymity in indoor spaces / Joon-Seok Kim in Geoinformatica, vol 20 n° 3 (July - September 2016)PermalinkMapping and characterization of hydrological dynamics in coastal marsh using high temporal resolution Sentinel-1 images / Cécile Cazals in Remote sensing, vol 8 n° 7 (July 2016)Permalink