Descripteur
Documents disponibles dans cette catégorie (2096)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Suivi de la rotation des cultures à partir de séries temporelles d’images satellite / Félix Quinton (2021)
![]()
Titre : Suivi de la rotation des cultures à partir de séries temporelles d’images satellite Type de document : Mémoire Auteurs : Félix Quinton , Auteur ; Loïc Landrieu
, Encadrant
Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 49 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de stage de fin d’études Cycle des Ingénieurs diplômés de l’ENSG 3ème année, TSILangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage profond
[Termes IGN] classification automatique
[Termes IGN] cultures
[Termes IGN] image Sentinel-MSI
[Termes IGN] parcelle agricole
[Termes IGN] politique agricole commune
[Termes IGN] recensement agricole
[Termes IGN] série temporelle
[Termes IGN] subvention
[Termes IGN] variation saisonnièreIndex. décimale : MTSI Mémoires du Master Technologies des Systèmes d'Information Résumé : (auteur) La politique agricole commune (PAC) mise en place dans les pays de l’Union Européenne est chargée de l’attribution de subventions aux agriculteurs des états membres, qui totalisent près de 50 milliards d’euros chaque année. Afin d’attribuer correctement ces subventions, il est nécessaire de recenser les types de cultures présents dans chaque parcelle tous les ans. Une automatisation du processus est donc souhaitable. Les séries temporelles d’images satellite constituent aujourd’hui la principale source de données utilisée pour la surveillance automatique de la Terre et sont de fait, la principale source de données utilisée en classification automatique. Nous proposons une nouvelle approche basée sur l’utilisation des séries temporelles d’images satellites pluriannuelles en opposition aux séries temporelles mono-année utilisées actuellement. Notre approche permet d’améliorer les performances des modèles de 7.7% par rapport aux modèles constituant l’état de l’art actuel. Dans une optique de suivit des cultures à partir d’imagerie satellite, l’utilisation de données pluriannuelles s’impose donc comme une nécessité. Note de contenu :
1- Introduction
2- Etat de l’art de la modélisation mono-annuelle des cultures agricoles
3- Etat de l’art de la modélisation pluriannuelles des cultures agricoles
4- Généralisation Temporelle
5- Modélisation Pluriannuelle
6- Analyse statistique
7- Gestion de projet
8- PerspectivesNuméro de notice : 28424 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Lastig, IGN (Saint-Mandé) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98767 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 28424-01 MTSI Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
Suivi de la rotation des cultures... - pdf auteur -Adobe Acrobat PDFSuivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision / Sami Beniaouf (2021)
![]()
Titre : Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision Type de document : Mémoire Auteurs : Sami Beniaouf, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 65 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de Master PPMD Photogrammétrie, Positionnement et Mesure de DéformationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse d'image orientée objet
[Termes IGN] apprentissage profond
[Termes IGN] carte de la végétation
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] géoréférencement
[Termes IGN] image captée par drone
[Termes IGN] maladie phytosanitaire
[Termes IGN] semis de points
[Termes IGN] surveillance de la végétation
[Termes IGN] Vaud (Suisse)
[Termes IGN] viticultureIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Au cours des dernières années, les progrès rapides des techniques d'apprentissage en profondeur ont considérablement accéléré l'élan de la détection d'objets, qui constitue la base de nombreuses tâches de vision par ordinateur, telles que la segmentation d'instances, la classification d'images, le suivi d'objets et bien d'autres. Ce travail s’intéresse à l’utilisation de cette technique ainsi que la photogrammétrie terrestre et la télédétection dans le domaine de la viticulture, pour l’extraction et la cartographie d’informations physiologiques lié aux vignes. Cette étude s’est orientée vers la détection de la maladie de Mildiou au moyen d’une caméra multispectrale. Le mildiou de la vigne est causé par l'organisme de type fongique Plasmopara viticola, qui se produit généralement pendant les années excessivement humides et chaudes. Le champignon provoque directement une perte de rendement par la pourriture des feuilles, des grappes et des pousses. La détection d’objets par segmentation en instances a été réalisé en utilisant le modèle d’apprentissage pré-entraîné Mask R-CNN, dont les couches de classification ont été réentraîné avec des images de vignes acquises et labélisées. La méthodologie suivie consiste en l’extraction de masques d’objets des classes d’intérêt en utilisant le modèle entraîné, qui sont ensuite importés séparément sur les images. La reconstruction du nuage de points 3D à partir d’images masquées ensuit la génération d’un nuage de point de la classe cible. En segmentant ces nuages de points par instances, le calcul des coordonnées des barycentres de ces instances sont représentés finalement sur une carte. Note de contenu :
Introduction générale
I- Introduction à la viticulture de précision
I.1- Télédétection
I.2- Optimisation du rendement
I.3- Détection de maladies
I.4- Apprentissage profond
II- Acquisition des images et méthodologie
II.1- Acquisition des images
II.2- Méthodologie
Résultats et analyseNuméro de notice : 28393 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire PPMD Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98747 Documents numériques
peut être téléchargé
Suivi des vignes par télédétection... - pdf auteur -Adobe Acrobat PDFSuper-resolution of VIIRS-measured ocean color products using deep convolutional neural network / Xiaoming Liu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)
![]()
[article]
Titre : Super-resolution of VIIRS-measured ocean color products using deep convolutional neural network Type de document : Article/Communication Auteurs : Xiaoming Liu, Auteur ; Menghua Wang, Auteur Année de publication : 2021 Article en page(s) : pp 114 - 127 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse spectrale
[Termes IGN] apprentissage profond
[Termes IGN] bande infrarouge
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] couleur de l'océan
[Termes IGN] image infrarouge couleur
[Termes IGN] image multibande
[Termes IGN] image NPP-VIIRS
[Termes IGN] rayonnementRésumé : (auteur) Since its launch in October 2011, the Visible Infrared Imaging Radiometer Suite (VIIRS) onboard the Suomi National Polar-orbiting Partnership (SNPP) satellite has provided high quality global ocean color products, which include normalized water-leaving radiance spectra nLw ( λ ) of six moderate (M) bands (M1–M6) at the wavelengths of 410, 443, 486, 551, 671, and 745 nm with a spatial resolution of 750-m, and one imagery (I) band at a wavelength of 638 nm with a spatial resolution of 375-m. Because the high-resolution I-band measurements are highly correlated spectrally to those of M-band data, it can be used as a guidance to super-resolve the M-band nLw ( λ ) imagery from 750- to 375-m spatial resolution. Super-resolving images from coarse spatial resolution to finer ones have been a field of very active research in recent years. However, no previous studies have been applied to satellite ocean color remote sensing, in particular, for VIIRS ocean color applications. In this study, we employ the deep convolutional neural network (CNN) technique to glean the high-frequency content from the VIIRS I1 band and transfer to super-resolved M-band ocean color images. The network is trained to super-resolve each of the VIIRS six M-bands nLw ( λ ) separately. In our results, the super-resolved (375-m) nLw ( λ ) images are much sharper and show finer spatial structures than the original images. Quantitative evaluations show that biases between the super-resolved and original nLw ( λ ) images are small for all bands. However, errors in the super-resolved nLw ( λ ) images are wavelength-dependent. The smallest error is found in the super-resolved nLw (551) and nLw (671) images, and error increases as the wavelength decreases from 486 to 410 nm. The results show that the networks have the capability to capture the correlations of the M-band and the I1 band images to super-resolved M-band images. Numéro de notice : A2021-031 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2992912 Date de publication en ligne : 20/05/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2992912 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96726
in IEEE Transactions on geoscience and remote sensing > vol 59 n° 1 (January 2021) . - pp 114 - 127[article]Supplementary material for: Panoptic segmentation of satellite image time series with convolutional temporal attention networks / Vivien Sainte Fare Garnot (2021)
![]()
Titre : Supplementary material for: Panoptic segmentation of satellite image time series with convolutional temporal attention networks Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu
, Auteur
Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2021 Conférence : ICCV 2021, IEEE/CVF International Conference on Computer Vision 11/10/2021 17/10/2021 programme Importance : pp 1 - 8 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] contour
[Termes IGN] Pastis
[Termes IGN] Perceptron multicouche
[Termes IGN] segmentation d'image
[Termes IGN] segmentation sémantique
[Termes IGN] série temporelleRésumé : (auteur) In this appendix, we provide additional information on the PASTIS dataset and our exact model configuration. We also provide complementary qualitative experimental results. Numéro de notice : C2021-024 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98728 Voir aussiDocuments numériques
en open access
Supplementary material for: Panoptic... - pdf auteur-Adobe Acrobat PDFTélédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes / Arthur Crespin-Boucaud (2021)
![]()
Titre : Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes : application aux Hautes Terres, à Madagascar Type de document : Thèse/HDR Auteurs : Arthur Crespin-Boucaud, Auteur ; Agnès Bégue, Directeur de thèse Editeur : Paris, Nancy, ... : AgroParisTech (2007 -) Année de publication : 2021 Importance : 326 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de docteur délivré par l’institut des sciences et industries du vivant et de l’environnement, Spécialité : GéomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] agriculture
[Termes IGN] analyse d'image orientée objet
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données de terrain
[Termes IGN] image Pléiades-HR
[Termes IGN] image Sentinel-MSI
[Termes IGN] Madagascar
[Termes IGN] modèle conceptuel de données
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] parcelle agricole
[Termes IGN] prise en compte du contexte
[Termes IGN] série temporelle
[Termes IGN] système complexe
[Termes IGN] utilisation du solIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les méthodes de classification des données de télédétection pour la cartographie de l’occupation des sols reposent sur des mesures de proximité entre pixels ou objets dans un hyperespace spectral dans lequel ils sont projetés en fonction de leur réflectance dans plusieurs bandes spectrales de l'image. La projection en retour des pixels ou des objets vers l'espace géographique permet d'obtenir la carte d’occupation du sol recherchée, avec autant de classes que de régions identifiées comme significatives dans l'hyperespace. Le raisonnement qui sous-tend l'analyse dans l'hyperespace des données satellitaires est que dans ce dernier, les relations de proximité de "signatures spectrales" des objets et des pixels sont plus faciles à mettre en évidence que dans l’espace géographique. Ces méthodes sont particulièrement efficaces pour la cartographie des espaces agricoles caractérisés par de grandes parcelles et par des pratiques culturales homogènes. Cependant, pour une grande partie des Suds, les espaces agricoles sont plus complexes, avec des parcelles généralement plus petites, et une diversité d’usages et d’occupations des sols qui reflète les coutumes et leur adaptation au climat et à la géographie locale. L'efficacité des méthodes de télédétection diminue fortement pour ces systèmes agricoles plus complexes. Afin de repousser ces limites, les recherches actuelles portent sur des méthodes combinant à la fois des séries temporelles d’images satellites et des données contextuelles, telles que des indices de texture, l’altitude ou la pente, dont certaines sont basées sur l’apprentissage profond. Ces développements méthodologiques et techniques poussés utilisent principalement l’information spectrale et n’intègrent que peu les autres types de connaissances agricoles disponibles. Par exemple, on sait que certaines cultures ne poussent qu’à partir d’une altitude ou à proximité des habitations. Aisément identifiables dans l’espace géographique, ces connaissances, à la fois spatiales et temporelles, sont plus difficilement identifiables dans l’hyperespace des données. Cela suggère intuitivement qu'une meilleure prise en compte des connaissances agricoles pourrait améliorer les méthodes de classification pour obtenir des cartes de l'occupation de l’usage des sols plus cohérentes sur le plan agricole. Dans cette thèse, nous explorons la possibilité d'utiliser les connaissances en agriculture, formalisées sous forme de règles, pour améliorer une méthode de classification supervisée pour la cartographie de l'occupation et de l’usage des sols des systèmes agricoles complexes. Dans un premier temps, cette thèse propose un modèle conceptuel permettant de combiner à la fois des méthodes de classification de données de télédétection et de la modélisation spatio-temporelle. Ce modèle est décomposé en quatre modules spatiaux et temporels, chacun correspondant à une méthode visant à améliorer la caractérisation de l’occupation et de l’usage des sols, et pouvant être utilisé indépendamment. Les deux modules spatiaux du modèle sont ensuite appliqués à une zone d’étude agricole située dans la région du Vakinankaratra, sur les Hautes Terres de Madagascar afin d’évaluer l’approche développée. D’un point de vue quantitatif, l’application des deux modules spatiaux n’améliore que très peu la caractérisation des classes d’occupation et d’usage des sols de la zone d’étude, notamment du fait du manque de données de qualité supportant l’application des règles spatiales identifiées. Néanmoins, l'application des modules spatiaux permet une meilleure discrimination entre les cultures pluviales et les espaces de savanes, source de nombreuses confusions avec les méthodes utilisées en traitement de données de télédétection. L'analyse de ces résultats permet de proposer des améliorations pour le modèle conceptuel ainsi que pour son application plus générale aux systèmes agricoles complexes. Note de contenu : Introduction générale
1- Contexte et problématique de la thèse
2- Modèle conceptuel
3- Zone d’étude, matériel et méthodes
4- Méthode d’application des modules à la région des Hautes Terres
5- Résultats d’applications
6- Discussion
Conclusion généraleNuméro de notice : 28322 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géomatique : AgroParisTech : 2021 Organisme de stage : TETIS (Montpellier) DOI : sans En ligne : https://pastel.archives-ouvertes.fr/tel-03306233/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98314 The potential of LiDAR and UAV-photogrammetric data analysis to interpret archaeological sites: A case study of Chun Castle in South-West England / Israa Kadhim in ISPRS International journal of geo-information, vol 10 n° 1 (January 2021)
PermalinkThe spatial structure of socioeconomic disadvantage: a Bayesian multivariate spatial factor analysis / Matthew Quick in International journal of geographical information science IJGIS, vol 35 n° 1 (January 2021)
PermalinkThe use of deep machine learning for the automated selection of remote sensing data for the determination of areas of arable land degradation processes distribution / Dimitri I. Rukhovitch in Remote sensing, vol 13 n° 1 (January-1 2021)
PermalinkTime-series analysis of massive satellite images : Application to earth observation / Alexandre Constantin (2021)
PermalinkPermalinkUnderwater 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)
PermalinkUnifying remote sensing image retrieval and classification with robust fine-tuning / Dimitri Gominski (2021)
PermalinkUsing geometric and semantic attributes for semi-automated tag identification in OpenStreetMap data / Müslüm Hacar (2021)
PermalinkVolumes by tree species can be predicted using photogrammetric UAS data, Sentinel-2 images and prior field measurements / Mikko Kukkonen in Silva fennica, vol 55 n° 1 (January 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)
Permalink