Centre de documentation
scientifique

Apport des données Pléiades Neo pour la détection des dommages au bâti : Comparaison avec des données Pléiades-HR sur le séisme au Maroc de septembre 2023 / Stéphanie Battiston ; Mathias Studer in Revue Française de Photogrammétrie et de Télédétection, n° 226 (2024)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 226 (2024) . - pp 19 - 30 Titre : Apport des données Pléiades Neo pour la détection des dommages au bâti : Comparaison avec des données Pléiades-HR sur le séisme au Maroc de septembre 2023 Type de document : Article/Communication Auteurs : Stéphanie Battiston, Auteur ; Mathias Studer, Auteur Année de publication : 2024 Article en page(s) : pp 19 - 30 Langues : Français (fre) Descripteur : [Termes IGN] Centre national d'études spatiales [Termes IGN] détection du bâti [Termes IGN] image Pléiades-Neo [Termes IGN] photogrammètre [Termes IGN] télédétection Résumé : Cette étude approfondie de l'utilisation des données satellitaires Pléiades Neo dans la détection des dommages aux bâtiments, comparée aux données Pléiades-HR, s'est concentrée sur l'évaluation des performances de ces deux capteurs suite au séisme au Maroc en septembre 2023. Les résultats indiquent de manière concluante que la résolution spatiale supérieure des images Pléiades Neo améliore significativement l'interprétation du paysage et la détection des dommages dans les zones bâties. En particulier, ce gain en résolution a permis d'identifier 74% de bâtiments endommagés supplémentaires à Marrakech et de rectifier 24% et 11% de la classification des dommages, respectivement dans les secteurs de Marrakech et d'Imidal. L'étude souligne également la capacité de Pléiades Neo à détecter des détails du paysage urbain, comme les créneaux des remparts de la ville, offrant ainsi la possibilité de repérer des dommages sur d'autres objets ou infrastructures de taille équivalente, une capacité qui n'est pas aussi prononcée avec Pléiades-HR. Les résultats illustrent et confirment les avantages substantiels des données Pléiades Neo pour l'évaluation post-catastrophe, avec une précision accrue dans la détection et la caractérisation des dommages au bâti. L'importance de l'angle d'acquisition des images, mais également la complémentarité de Pléiades Neo par rapport à Pléiades-HR dans le contexte de la cartographie d'urgence, ont également été évoquées. Cette étude atteste des avantages des images Pléiades Neo par rapport à Pléiades-HR dans la gestion des dégâts au bâti suite à des événements catastrophiques. Numéro de notice : A-20241930 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103660 [article]

Automatic generation of outline-based representations of landmark buildings with distinctive shapes / Peng Ti in International journal of geographical information science IJGIS, vol 37 n° 4 (April 2023)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 37 n° 4 (April 2023) . - pp 864 - 884 Titre : Automatic generation of outline-based representations of landmark buildings with distinctive shapes Type de document : Article/Communication Auteurs : Peng Ti, Auteur ; Tao Xiong, Auteur ; Yuhong Qiu, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 864 - 884 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] Bâti-3D [Termes IGN] cartographie [Termes IGN] contour [Termes IGN] détection du bâti [Termes IGN] extraction de traits caractéristiques [Termes IGN] raisonnement spatial [Termes IGN] reconnaissance de formes [Termes IGN] segmentation d'image [Termes IGN] sémiologie graphique [Vedettes matières IGN] Géovisualisation Résumé : (auteur) Landmark buildings are salient features for spatial cognition on maps. Distinctive outlines are the major visual characteristics that separate landmark buildings from their surrounding environments. The automatic symbolization of landmark outlines facilitates recognition and map production. As users often recognize landmarks by the outlines of their façades from a street view, this study proposes an automatic method for automatically generating representations of the outlines of landmark buildings in four steps: (1) extract outlines from street-view photographs using GrabCut method, (2) vectorize the extracted building outlines, (3) simplify outline shapes, and (4) symbolize the simplified building outlines in three dimensions (3D). We used the proposed method to generate test data with symbolized outlines for eight buildings in a real-world environment for a wayfinding experiment in which the subjects used the building representations to identify landmark buildings and evaluated their perception of the generated maps. The subjects successfully recognized these buildings based on the symbolized outlines on a map, expressed satisfaction with the manually generated 3D symbols, and reported the same or similar ease of building recognition using 2D or 3D symbolized outlines. Numéro de notice : A2023-207 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2022.2143503 Date de publication en ligne : 11/11/2022 En ligne : https://doi.org/10.1080/13658816.2022.2143503 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103109 [article]

SALT: A multifeature ensemble learning framework for mapping urban functional zones from VGI data and VHR images / Hao Wu in Computers, Environment and Urban Systems, vol 100 (March 2023)  

Public [article]  inComputers, Environment and Urban Systems > vol 100 (March 2023) . - n° 101921 Titre : SALT: A multifeature ensemble learning framework for mapping urban functional zones from VGI data and VHR images Type de document : Article/Communication Auteurs : Hao Wu, Auteur ; Wenting Luo, Auteur ; Anqi Lin, Auteur ; Fanghua Hao, Auteur ; Ana-Maria Olteanu-Raimond , Auteur ; Lanfa Liu, Auteur ; Yan Li, Auteur Année de publication : 2023 Projets : 1-Pas de projet / Article en page(s) : n° 101921 Note générale : Bibliographie This work was supported by the National Natural Science Foundation of China [42201468, 42071358], Postdoctoral Innovation Talents Support Program of China [BX20220128], China Postdoctoral Science Foundation [2022M721283] and Fundamental Research Funds for the Central Universities [CCNU22QN018]. Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse multicritère [Termes IGN] apprentissage automatique [Termes IGN] boosting adapté [Termes IGN] cartographie urbaine [Termes IGN] Chine [Termes IGN] détection du bâti [Termes IGN] données localisées des bénévoles [Termes IGN] image à très haute résolution [Termes IGN] morphologie urbaine [Termes IGN] OpenStreetMap [Termes IGN] point d'intérêt [Termes IGN] représentation spatiale [Termes IGN] zone urbaine Résumé : (auteur) Urban functional zone mapping is essential for providing deeper insights into urban morphology and improving urban planning. The emergence of Volunteered Geographic Information (VGI), which provides abundant semantic data, offers a great opportunity to enrich land use information extracted from remote sensing (RS) images. Taking advantage of very-high-resolution (VHR) images and VGI data, this work proposed a SATL multifeature ensemble learning framework for mapping urban functional zones that integrated 65 features from the shapes of building objects, attributes of points of interest (POIs) tags, locations of cellphone users and textures of VHR images. The dimensionality of SALT features was reduced by the autoencoder, and the compressed features were applied to train the ensemble learning model composed of multiple classifiers for optimizing the urban functional zone classification. The effectiveness of the proposed framework was tested in an urbanized region of Nanchang City. The results indicated that the SALT features considering population dynamics and building shapes are comprehensive and feasible for urban functional zone mapping. The autoencoder has been proven efficient for dimension reduction of the original SALT features as it significantly improves the classification of urban functional zones. Moreover, the ensemble learning outperforms other machine learning models in terms of the accuracy and robustness when dealing with multi-classification tasks. Numéro de notice : A2023-125 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1016/j.compenvurbsys.2022.101921 Date de publication en ligne : 06/12/2022 En ligne : https://doi.org/10.1016/j.compenvurbsys.2022.101921 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102504 [article]

Large-scale individual building extraction from open-source satellite imagery via super-resolution-based instance segmentation approach / Shenglong Chen in ISPRS Journal of photogrammetry and remote sensing, vol 195 (January 2023)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 195 (January 2023) . - pp 129 - 152 Titre : Large-scale individual building extraction from open-source satellite imagery via super-resolution-based instance segmentation approach Type de document : Article/Communication Auteurs : Shenglong Chen, Auteur ; Yoshiki Ogawa, Auteur ; Chenbo Zhao, Auteur ; et al., Auteur Année de publication : 2023 Article en page(s) : pp 129 - 152 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] couleur (variable spectrale) [Termes IGN] détection du bâti [Termes IGN] distribution de Gauss [Termes IGN] image à haute résolution [Termes IGN] mosaïquage d'images [Termes IGN] segmentation sémantique Résumé : (auteur) Building footprint is a primary dataset of an urban geographic information system (GIS) database. Therefore, it is essential to establish a robust and automated framework for large-scale building extraction. However, the characteristic of remote sensing images complicates the application of the instance segmentation method based on the Mask R-CNN model, which ought to be improved toward extracting and fusing multi-scale features. Moreover, open-source satellite image datasets with wider spatial coverage and temporal resolution than high-resolution images may exhibit different coloration and resolution. This study proposes a large-scale building extraction framework based on super-resolution (SR) and instance segmentation using a relatively lower-resolution (>0.6 m) open-sourced dataset. The framework comprises four steps: color normalization and image super-resolution, scene classification, building extraction, and scene mosaicking. We took Hyogo Prefecture, Japan (19,187 km2) as a test area and extracted 1,726,006 (29.12 km2) of the 3,301,488 buildings (32.46 km2), where the number of buildings and footprint area increased by 3.0 % and 5.0 % respectively. The result indicated that the color normalization and image super-resolution could improve the visual quality of open-source satellite images and contribute to building extraction accuracy. Moreover, the improved Mask R-CNN based on Multi-Path Vision Transformer (MPViT) backbone achieved F1 scores of 0.71, 0.70, 0.81, and 0.67 for non-built-up, rural, suburban, and urban areas, respectively, which is better than those of the baseline model and other mainstream instance segmentation approaches. This study demonstrates the potential of acquiring acceptable building footprint maps from open-source satellite images, which has significant practical implications. Numéro de notice : A2023-019 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2022.11.006 Date de publication en ligne : 30/11/2022 En ligne : https://doi.org/10.1016/j.isprsjprs.2022.11.006 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102214 [article]

Linear building pattern recognition in topographical maps combining convex polygon decomposition / Zhiwei Wei in Geocarto international, vol 38 n° inconnu ([01/01/2023])  

Public [article]  inGeocarto international > vol 38 n° inconnu [01/01/2023] Titre : Linear building pattern recognition in topographical maps combining convex polygon decomposition Type de document : Article/Communication Auteurs : Zhiwei Wei, Auteur ; Su Ding, Auteur ; Lu Cheng, Auteur ; et al., Auteur Année de publication : 2023 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] carte topographique [Termes IGN] construction [Termes IGN] décomposition [Termes IGN] détection du bâti [Termes IGN] forme linéaire [Termes IGN] généralisation cartographique automatisée [Termes IGN] Ordnance Survey (UK) [Termes IGN] polygone [Termes IGN] reconnaissance de formes Résumé : (auteur) Building patterns are crucial for urban form understanding, automated map generalization, and 3 D city model visualization. The existing studies have recognized various building patterns based on visual perception rules in which buildings are considered as a whole. However, some visually aware patterns may fail to be recognized with these approaches because human vision is also proved as a part-based system. This paper first proposed an approach for linear building pattern recognition combining convex polygon decomposition. Linear building patterns including collinear patterns and curvilinear patterns are defined according to the proximity, similarity, and continuity between buildings. Linear building patterns are then recognized by combining convex polygon decomposition, in which a building can be decomposed into sub-buildings for pattern recognition. A novel node concavity is developed based on polygon skeletons which is applicable for building polygons with holes or not in the building decomposition. And building’s orthogonal features are also considered in the building decomposition. Two datasets collected from Ordnance Survey (OS) were used in the experiments to verify the effectiveness of the proposed approach. The results indicate that our approach achieves 25.57% higher precision and 32.23% higher recall in collinear pattern recognition and 15.67% higher precision and 18.52% higher recall in curvilinear pattern recognition when compared to existing approaches. Recognition of other kinds of building patterns including T-shaped and C-shaped patterns combining convex polygon decomposition are also discussed in this approach. Numéro de notice : A2022-263 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/10106049.2022.2055794 Date de publication en ligne : 27/03/2022 En ligne : https://doi.org/10.1080/10106049.2022.2055794 Format de la ressource électronique : 27/03/2022 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100260 [article]

Extracting built-up land area of airports in China using Sentinel-2 imagery through deep learning / Fanxuan Zeng in Geocarto international, vol 37 n° 25 ([01/12/2022])  

Permalink

Foreground-aware refinement network for building extraction from remote sensing images / Zhang Yan in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 11 (November 2022)  

Permalink

Semantic feature-constrained multitask siamese network for building change detection in high-spatial-resolution remote sensing imagery / Qian Shen in ISPRS Journal of photogrammetry and remote sensing, vol 189 (July 2022)  

Permalink

Artificial intelligence techniques in extracting building and tree footprints using aerial imagery and LiDAR data / Saeideh Sahebi Vayghan in Geocarto international, vol 37 n° 10 ([01/06/2022])  

Permalink

True orthophoto generation based on unmanned aerial vehicle images using reconstructed edge points / Mojdeh Ebrahimikia in Photogrammetric record, vol 37 n° 178 (June 2022)  

Permalink

Application oriented quality evaluation of Gaofen-7 optical stereo satellite imagery / Jiaojiao Tian in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-1-2022 (2022 edition)  

Permalink

K-means clustering based on omnivariance attribute for building detection from airborne lidar data / Renato César Dos santos in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-2-2022 (2022 edition)  

Permalink

A context feature enhancement network for building extraction from high-resolution remote sensing imagery / Jinzhi Chen in Remote sensing, vol 14 n° 9 (May-1 2022)  

Permalink

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)  

Permalink

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)

Permalink