Descripteur
Documents disponibles dans cette catégorie (3202)
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
Vers une occupation du sol France entière par imagerie satellite à très haute résolution / Tristan Postadjian (2020)
Titre : Vers une occupation du sol France entière par imagerie satellite à très haute résolution Type de document : Thèse/HDR Auteurs : Tristan Postadjian , Auteur ; Clément Mallet , Directeur de thèse ; Arnaud Le Bris , Encadrant ; Hichem Sahbi, Encadrant Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2020 Importance : 169 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée pour l'obtention du titre de Docteur de l'Université Paris-Est, spécialité : Mathématiques, Sciences et Technologies de l'Information et de la CommunicationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] base de données localisées IGN
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification automatique
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] image à très haute résolution
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] mise à jour de base de données
[Termes IGN] occupation du sol
[Termes IGN] OCS GEIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La connaissance de la couverture des territoires en terme d’occupation des sols est devenue un enjeu majeur du XXIème siècle. Que ce soit à l’échelle nationale ou à une échelle plus globale, les initiatives se multiplient pour proposer des cartographies d’occupation des sols qui répondent à des besoins propres à chacune. Consistant à classer des objets présents sur le sol selon des nomenclatures prédéfinies, la tâche est fastidieuse à l’heure actuelle avec des processus essentiellement manuels ou semi-manuels, nécessaires pour garantir le respect de certaines qualités et spécifications. De son côté, la télédétection spatiale a connu un essor conséquent avec la multiplication des capteurs optiques d’observation de la Terre disponibles et de leur diversité en terme de résolutions spectrale, spatiale et temporelle. Ces capteurs optiques proposent chacun une description de la surface terrestre qui leur est propre, et donc caractérisant un ou plusieurs type(s) d’occupation(s) des sols. Ces types dépendent justement des caractéristiques de ces capteurs, caractéristiques adaptées davantage à l’observation des glaciers, des forêts ou des zones plus urbaines par exemple. Les satellites SPOT 6 et SPOT 7, lancés en 2012 et 2014 respectivement, sont dotés de capteurs optiques à très haute résolution spatiale, et acquièrent des images dans quatre bandes spectrales à haute résolution ainsi qu’une bande panchromatique à très haute résolution, permettant de porter la résolution des quatre canaux spectraux à 1,5 m. L’IGN, à partir de ces acquisitions SPOT disponibles sur le pôle de données surfaces continentales THEIA, produit chaque année une couverture d’orthophotos sur l’ensemble du territoire français. Il apparaît dès lors intéressant d’exploiter cette couverture pour générer une OCS millésimée. La problématique de cartographie de l’occupation des sols automatique à partir d’images aériennes ou satellites occupe la communauté de télédétection depuis longtemps, par le biais de processus de classification supervisés, tels que les SVMs, ou les forêts aléatoires pour, entre autres, la vitesse d’exécution de ces derniers. Mais les résultats obtenus par ces méthodes n’ont pas encore permis une réelle automatisation, notamment en adéquation avec des spécifications existantes (erreurs encore trop importantes). En parallèle de ces algorithmes depuis longtemps utilisés, des méthodes d’apprentissage automatique d’un genre nouveau, bien que reposant sur des concepts remontant aux années 1950, émergent depuis une décennie et sont étroitement liés aux recherches menées en machine learning. L’apprentissage profond, dont il est question ici, a fait ses preuves dans de nombreux domaines depuis le traitement naturel du langage, à la reconnaissance d’objets dans des images. Cet essor récent est la conséquence de la disponibilité de grandes bases de données d’apprentissage, ainsi que la démocratisation de l’utilisation de GPUs et de l’accroissement général des puissances de calcul. Représentants principaux de cette famille d’apprentissage, les réseaux de neurones profonds ont réellement bouleversé le monde actuel au quotidien. Que ce soit au niveau académique en terme de recherche, au niveau sociétal, au travers des smartphones par exemple (reconnaissances vocale, faciale, systèmes de recommandation), ou même au niveau politique, avec les questions déontologiques que cela peut poser en terme de confidentialité des données (RGPD) et de protection des libertés individuelles, l’apprentissage profond est au cœur de technologies utilisées par la plupart des gens, de manière transparente et donc sans que ceux-ci s’en aperçoivent. En effet, pour afficher de telles performances dans tant de domaines, l’inconvénient pratique est le besoin très massif de données d’apprentissage lorsque l’on manipule ces algorithmes. Les bases de données géographiques de l’IGN sont donc une opportunité dans notre cas, permettant d’exploiter au mieux les images très haute résolution monoscopiques acquises par les satellites SPOT 6 et 7 en les classifiant automatiquement par réseaux de neurones profonds appris sur ces mêmes bases de données. C’est cette approche que nous proposons dans ces travaux de thèse, avec une volonté d’étudier cette problématique tout en se plaçant dans un cadre plus large à visée opérationnelle, afin de proposer des cartographies sur de grandes étendues géographiques. Les expérimentations menées répondent aux questions soulevées lorsque l’on cherche à classifier de grandes zones : par exemple, la couverture annuelle SPOT produite par l’IGN étant unique, deux images adjacentes de cette couverture peuvent avoir été acquises à des époques différentes. Également, nous étudions les possibilités de transfert d’apprentissage par fine-tuning qui offre beaucoup d’avantages en matière de charges de calcul et de jeu d’apprentissage. Enfin, dans un contexte de mise à jour automatique de bases de données géographiques, l’exploitation jointe d’images aériennes et de réseaux de neurones profonds est étudiée, avec un accent mis sur la préparation des données d’apprentissage issues des bases de données géographiques de l’IGN qui présentent certains inconvénients. Note de contenu : 1- Introduction
2- Etat de l'art
3- Apprentissage profond sur images satellites très haute résolution
4- Mettre à jour des bases de données d'OCS
5- Conclusion et perspectivesNuméro de notice : 25964 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : FORET/IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Paris-Est : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 08/12/2020 En ligne : https://theses.hal.science/tel-03045637 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96546 Very high resolution land cover mapping of urban areas at global scale with convolutional neural network / Thomas Tilak (2020)
Titre : Very high resolution land cover mapping of urban areas at global scale with convolutional neural network Type de document : Article/Communication Auteurs : Thomas Tilak , Auteur ; Arnaud Braun , Auteur ; David Chandler , Auteur ; Nicolas David , Auteur ; Sylvain Galopin , Auteur ; Amélie Lombard, Auteur ; Camille Parisel , Auteur ; Camille Parisel , Auteur ; Matthieu Porte , Auteur ; Marjorie Robert, Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2020 Autre Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B3 Projets : 1-Pas de projet / Conférence : ISPRS 2020, Commission 3, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Archives Commission 3 Importance : 8 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] BD Alti
[Termes IGN] carte d'occupation du sol
[Termes IGN] chaîne de production
[Termes IGN] chaîne de traitement
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] corrélation croisée maximale
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] Gironde (33)
[Termes IGN] image à très haute résolution
[Termes IGN] image aérienne
[Termes IGN] image multibande
[Termes IGN] modèle numérique de surface
[Termes IGN] segmentation sémantique
[Termes IGN] vectorisation
[Termes IGN] zone d'intérêt
[Termes IGN] zone urbaineRésumé : (auteur) This paper describes a methodology to produce a 7-classes land cover map of urban areas from very high resolution images and limited noisy labeled data. The objective is to make a segmentation map of a large area (a french department) with the following classes: asphalt, bare soil, building, grassland, mineral material (permeable artificialized areas), forest and water from 20cm aerial images and Digital Height Model. We created a training dataset on a few areas of interest aggregating databases, semi-automatic classification, and manual annotation to get a complete ground truth in each class. A comparative study of different encoder-decoder architectures (U-Net, U-Net with Resnet encoders, Deeplab v3+) is presented with different loss functions. The final product is a highly valuable land cover map computed from model predictions stitched together, binarized, and refined before vectorization. Numéro de notice : C2020-038 Affiliation des auteurs : IGN+Ext (2020- ) Autre URL associée : vers ArXiv Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B3-2020-201-2020 Date de publication en ligne : 21/08/2020 En ligne : https://doi.org/10.5194/isprs-archives-XLIII-B3-2020-201-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95079 An implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data / Puzhao Zhang in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
[article]
Titre : An implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data Type de document : Article/Communication Auteurs : Puzhao Zhang, Auteur ; Andrea Nascetti, Auteur ; Yifang Ban, Auteur ; Maoguo Gong, Auteur Année de publication : 2019 Article en page(s) : pp 50 - 62 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] Californie (Etats-Unis)
[Termes IGN] carte de la végétation
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de changement
[Termes IGN] image à haute résolution
[Termes IGN] image multibande
[Termes IGN] image multitemporelle
[Termes IGN] image radar moirée
[Termes IGN] incendie
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] Short Waves InfraRedRésumé : (auteur) Compared with optical sensors, the all-weather and day-and-night imaging ability of Synthetic Aperture Radar (SAR) makes it competitive for burnt area mapping. This study investigates the potential of Sentinel-1 C-band SAR sensors in burnt area mapping with an implicit Radar Convolutional Burn Index (RCBI). Based on multitemporal Sentinel-1 SAR data, a convolutional networks-based classification framework is proposed to learn the RCBI for highlighting the burnt areas. We explore the mapping accuracy level that can be achieved using SAR intensity and phase information for both VV and VH polarizations. Moreover, we investigate the decorrelation of Interferometric SAR (InSAR) coherence to wildfire events using different temporal baselines. The experimental results on two recent fire events, Thomas Fire (Dec., 2017) and Carr Fire (July, 2018) in California, demonstrate that the learnt RCBI has a better potential than the classical log-ratio operator in highlighting burnt areas. By exploiting both VV and VH information, the developed RCBI achieved an overall mapping accuracy of 94.68% and 94.17% on the Thomas Fire and Carr Fire, respectively. Numéro de notice : A2019-545 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.013 Date de publication en ligne : 04/10/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.013 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94189
in ISPRS Journal of photogrammetry and remote sensing > Vol 158 (December 2019) . - pp 50 - 62[article]Réservation
Réserver ce documentExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2019121 RAB Revue Centre de documentation En réserve L003 Disponible 081-2019123 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2019122 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Combining Sentinel-1 and Sentinel-2 Satellite image time series for land cover mapping via a multi-source deep learning architecture / Dino Lenco in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
[article]
Titre : Combining Sentinel-1 and Sentinel-2 Satellite image time series for land cover mapping via a multi-source deep learning architecture Type de document : Article/Communication Auteurs : Dino Lenco, Auteur ; Roberto Interdonato, Auteur ; Raffaele Gaetano, Auteur ; Ho Tong Minh Dinh, Auteur Année de publication : 2019 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] apprentissage profond
[Termes IGN] Burkina Faso
[Termes IGN] carte de la végétation
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] fusion d'images
[Termes IGN] image à haute résolution
[Termes IGN] image multibande
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] occupation du sol
[Termes IGN] Réunion, île de la
[Termes IGN] série temporelle
[Termes IGN] utilisation du solRésumé : (auteur) The huge amount of data currently produced by modern Earth Observation (EO) missions has allowed for the design of advanced machine learning techniques able to support complex Land Use/Land Cover (LULC) mapping tasks. The Copernicus programme developed by the European Space Agency provides, with missions such as Sentinel-1 (S1) and Sentinel-2 (S2), radar and optical (multi-spectral) imagery, respectively, at 10 m spatial resolution with revisit time around 5 days. Such high temporal resolution allows to collect Satellite Image Time Series (SITS) that support a plethora of Earth surface monitoring tasks. How to effectively combine the complementary information provided by such sensors remains an open problem in the remote sensing field. In this work, we propose a deep learning architecture to combine information coming from S1 and S2 time series, namely TWINNS (TWIn Neural Networks for Sentinel data), able to discover spatial and temporal dependencies in both types of SITS. The proposed architecture is devised to boost the land cover classification task by leveraging two levels of complementarity, i.e., the interplay between radar and optical SITS as well as the synergy between spatial and temporal dependencies. Experiments carried out on two study sites characterized by different land cover characteristics (i.e., the Koumbia site in Burkina Faso and Reunion Island, a overseas department of France in the Indian Ocean), demonstrate the significance of our proposal. Numéro de notice : A2019-544 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.016 Date de publication en ligne : 27/09/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.016 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94186
in ISPRS Journal of photogrammetry and remote sensing > Vol 158 (December 2019)[article]Réservation
Réserver ce documentExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2019121 RAB Revue Centre de documentation En réserve L003 Disponible 081-2019123 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2019122 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Des empreintes cartographiques : restitution de données géohistoriques à partir de la Carte de France de Cassini, 1750-1789 / Bertrand Duménieu in Cartes & Géomatique, n° 241-242 (décembre 2019)
[article]
Titre : Des empreintes cartographiques : restitution de données géohistoriques à partir de la Carte de France de Cassini, 1750-1789 Type de document : Article/Communication Auteurs : Bertrand Duménieu , Auteur ; Julien Chadeyron, Auteur ; Pascal Cristofoli, Auteur ; Julien Perret , Auteur ; Laurence Jolivet , Auteur ; Stéphane Baciocchi, Auteur Année de publication : 2019 Projets : SODUCO / Perret, Julien Conférence : ICC 2019, 29th International Cartographic Conference ICA, Mapping everything for everyone 15/07/2019 20/07/2019 Tokyo Japon Open Access Proceedings of the ICA Article en page(s) : pp 13 - 14 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] base de données localisées
[Termes IGN] carte de Cassini
[Termes IGN] carte de France
[Termes IGN] entité géographique
[Termes IGN] PostGIS
[Termes IGN] PostgreSQL
[Termes IGN] QGIS
[Termes IGN] rendu (géovisualisation)
[Termes IGN] toponyme
[Termes IGN] vectorisationNuméro de notice : A2019-651 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97834
in Cartes & Géomatique > n° 241-242 (décembre 2019) . - pp 13 - 14[article]Voir aussiRéservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 021-2019022 SL Revue Centre de documentation Revues en salle Disponible 021-2019021 SL Revue Centre de documentation Revues en salle Disponible Faut-il des relevés de flore exhaustifs pour caractériser et cartographier l'acidité et les propriétés nutritionnelles des sols ? / Paulina E. Pinto in Rendez-vous techniques, n° 61-62 (hiver - printemps 2019)PermalinkAn approach for establishing correspondence between OpenStreetMap and reference datasets for land use and land cover mapping / Qi Zhou in Transactions in GIS, Vol 23 n° 6 (November 2019)PermalinkCombining machine learning and compact polarimetry for estimating soil moisture from C-Band SAR data / Emanuele Santi in Remote sensing, Vol 11 n° 20 (October-2 2019)PermalinkEvolution of sand encroachment using supervised classification of Landsat data during the period 1987–2011 in a part of Laâyoune-Tarfaya basin of Morocco / Ali Aydda in Geocarto international, vol 34 n° 13 ([15/10/2019])PermalinkComparative analysis of the accuracy of surface soil moisture estimation from the C- and L-bands / Mohammad El Hajj in International journal of applied Earth observation and geoinformation, vol 82 (October 2019)PermalinkLes eaux de pluie maîtrisées ou en excès / Pierre Clergeot in Géomètre, n° 2173 (octobre 2019)PermalinkUsing a U-net convolutional neural network to map woody vegetation extent from high resolution satellite imagery across Queensland, Australia / Neil Flood in International journal of applied Earth observation and geoinformation, vol 82 (October 2019)PermalinkMultitemporal Landsat-MODIS fusion for cropland drought monitoring in El Salvador / Nguyen-Thanh Son in Geocarto international, vol 34 n° 12 ([15/09/2019])PermalinkChange detection work-flow for mapping changes from arable lands to permanent grasslands with advanced boosting methods / Jiří Šandera in Geodetski vestnik, vol 63 n° 3 (September - November 2019)PermalinkCultures of Enthusiasm: An Ethnographic Study of Amateur Map-Maker Communities / Mike Duggan in Cartographica, vol 54 n° 3 (Fall 2019)Permalink