Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification par séparateurs à vaste marge
classification par séparateurs à vaste margeSynonyme(s)classification SVMVoir aussi |
Documents disponibles dans cette catégorie (254)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Etendre la recherche sur niveau(x) vers le bas
Vectorisation automatique des forêts dans les minutes de la carte d’état-major du 19e siècle / Pierre-Alexis Herrault in Revue internationale de géomatique, vol 25 n° 1 (mars - mai 2015)
![]()
[article]
Titre : Vectorisation automatique des forêts dans les minutes de la carte d’état-major du 19e siècle Type de document : Article/Communication Auteurs : Pierre-Alexis Herrault, Auteur ; David Sheeren , Auteur ; Mathieu Fauvel, Auteur ; Martin Paegelow, Auteur
Année de publication : 2015 Article en page(s) : pp 35 - 51 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] carte d'Etat-Major
[Termes IGN] classificateur non paramétrique
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] extraction automatique
[Termes IGN] forêt
[Termes IGN] vectorisationRésumé : (Auteur) Dans cet article, nous proposons une nouvelle méthode pour extraire automatiquement les forêts dans les cartes d’état-major du 19e siècle numérisées. La démarche proposée est constituée de quatre étapes principales : filtrage de l’image, changement d’espace colorimétrique, identification des forêts à l’aide d’un détecteur non paramétrique (SVDD), post-traitement. La méthode est suffisamment robuste pour prendre en compte la diversité des représentations possibles des forêts dans ces cartes anciennes. Les résultats montrent des performances élevées avec une précision globale de détection obtenue de 95%. Cette approche ouvre de nouvelles perspectives pour les différentes études environnementales incluant une dimension historique. Numéro de notice : A2015-067 Affiliation des auteurs : non IGN Thématique : FORET/GEOMATIQUE Nature : Article DOI : 10.3166/RIG.25.35-51 Date de publication en ligne : 14/01/2015 En ligne : https://doi.org/10.3166/RIG.25.35-51 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=75374
in Revue internationale de géomatique > vol 25 n° 1 (mars - mai 2015) . - pp 35 - 51[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 047-2015011 RAB Revue Centre de documentation En réserve L003 Disponible Contribution of textural information from TerraSAR-X image for forest mapping / Cécile Cazals (2015)
![]()
Titre : Contribution of textural information from TerraSAR-X image for forest mapping Type de document : Article/Communication Auteurs : Cécile Cazals , Auteur ; H. Benelcadi, Auteur ; Pierre-Louis Frison
, Auteur ; Grégoire Mercier, Auteur ; Cédric Lardeux, Auteur ; Nesrine Chehata
, Auteur ; I. Champion, Auteur ; Jean-Paul Rudant
, Auteur
Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2015 Conférence : IGARSS 2015, International Geoscience And Remote Sensing Symposium 26/07/2015 31/07/2015 Milan Italie Proceedings IEEE Importance : pp 549 - 552 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse discriminante
[Termes IGN] analyse texturale
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] forêt
[Termes IGN] image radar moirée
[Termes IGN] image TerraSAR-XRésumé : (auteur) This study evaluates the potential of High Resolution Spotlight TerraSAR-X image for forest type discrimination. Emphasis is put on textural analysis accessible with high resolution radar data. Textural attributes are extracted from GLCM matrices, wavelet, and Fourier Transform (i.e. FOTO method). Their contribution for classification is assessed by their performance through the SVM algorithm. Numéro de notice : C2015-058 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : FORET/IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2015.7325822 Date de publication en ligne : 12/11/2015 En ligne : http://dx.doi.org/10.1109/IGARSS.2015.7325822 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91805 Extended random walker-based classification of hyperspectral images / Xudong Kang in IEEE Transactions on geoscience and remote sensing, vol 53 n° 1 (January 2015)
![]()
[article]
Titre : Extended random walker-based classification of hyperspectral images Type de document : Article/Communication Auteurs : Xudong Kang, Auteur ; Shutao Li, Auteur ; Leyuan Fang, Auteur ; et al., Auteur Année de publication : 2015 Article en page(s) : pp 144 - 153 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification spectrale
[Termes IGN] graphe
[Termes IGN] image hyperspectrale
[Termes IGN] segmentation d'imageRésumé : (Auteur) This paper introduces a novel spectral-spatial classification method for hyperspectral images based on extended random walkers (ERWs), which consists of two main steps. First, a widely used pixelwise classifier, i.e., the support vector machine (SVM), is adopted to obtain classification probability maps for a hyperspectral image, which reflect the probabilities that each hyperspectral pixel belongs to different classes. Then, the obtained pixelwise probability maps are optimized with the ERW algorithm that encodes the spatial information of the hyperspectral image in a weighted graph. Specifically, the class of a test pixel is determined based on three factors, i.e., the pixelwise statistics information learned by a SVM classifier, the spatial correlation among adjacent pixels modeled by the weights of graph edges, and the connectedness between the training and test samples modeled by random walkers. Since the three factors are all well considered in the ERW-based global optimization framework, the proposed method shows very good classification performances for three widely used real hyperspectral data sets even when the number of training samples is relatively small. Numéro de notice : A2015-030 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2014.2319373 En ligne : https://doi.org/10.1109/TGRS.2014.2319373 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=75111
in IEEE Transactions on geoscience and remote sensing > vol 53 n° 1 (January 2015) . - pp 144 - 153[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-2015011 RAB Revue Centre de documentation En réserve L003 Disponible Spatial-aware dictionary learning for hyperspectral image classification / Ali Soltani-Farani in IEEE Transactions on geoscience and remote sensing, vol 53 n° 1 (January 2015)
![]()
[article]
Titre : Spatial-aware dictionary learning for hyperspectral image classification Type de document : Article/Communication Auteurs : Ali Soltani-Farani, Auteur ; Hamid R. Rabiee, Auteur ; Seyyed Abbas Hosseini, Auteur Année de publication : 2015 Article en page(s) : pp 527 - 541 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] algorithme d'apprentissage
[Termes IGN] classification
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] image hyperspectrale
[Termes IGN] limite de résolution radiométrique
[Termes IGN] prise en compte du contexte
[Termes IGN] voisinage (relation topologique)Résumé : (Auteur) This paper presents a structured dictionary-based model for hyperspectral data that incorporates both spectral and contextual characteristics of spectral samples. The idea is to partition the pixels of a hyperspectral image into a number of spatial neighborhoods called contextual groups and to model the pixels inside a group as members of a common subspace. That is, each pixel is represented using a linear combination of a few dictionary elements learned from the data, but since pixels inside a contextual group are often made up of the same materials, their linear combinations are constrained to use common elements from the dictionary. To this end, dictionary learning is carried out with a joint sparse regularizer to induce a common sparsity pattern in the sparse coefficients of a contextual group. The sparse coefficients are then used for classification using a linear support vector machine. Experimental results on a number of real hyperspectral images confirm the effectiveness of the proposed representation for hyperspectral image classification. Moreover, experiments with simulated multispectral data show that the proposed model is capable of finding representations that may effectively be used for classification of multispectral resolution samples. Numéro de notice : A2015-037 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2014.2325067 En ligne : https://doi.org/10.1109/TGRS.2014.2325067 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=75119
in IEEE Transactions on geoscience and remote sensing > vol 53 n° 1 (January 2015) . - pp 527 - 541[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-2015011 RAB Revue Centre de documentation En réserve L003 Disponible Per-pixel and object-oriented classification methods for mapping urban land cover extraction using SPOT 5 imagery / Mustafa Neamah Jebur in Geocarto international, vol 29 n° 7 - 8 (November - December 2014)
![]()
[article]
Titre : Per-pixel and object-oriented classification methods for mapping urban land cover extraction using SPOT 5 imagery Type de document : Article/Communication Auteurs : Mustafa Neamah Jebur, Auteur ; Helmi Zulhaidi Mohd Shafri, Auteur ; Biswajeet Pradhan, Auteur ; et al., Auteur Année de publication : 2014 Article en page(s) : pp 792 - 806 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] cartographie urbaine
[Termes IGN] classification dirigée
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] extraction automatique
[Termes IGN] image SPOT 5
[Termes IGN] utilisation du solRésumé : (Auteur) To have sustainable management and proper decision-making, timely acquisition and analysis of surface features are necessary. Traditional pixel-based analysis is the popular way to extract different categories, but it is not comparable by the achievements that can be achieved through the object-based method that uses the additional characteristics of features in the process of classification. In this paper, three types of classification were used to classify SPOT 5 satellite image in mapping land cover; Support vector machine (SVM) pixel-based, SVM object-based and Decision Tree (DT) pixel-based classification. Normalised Difference Vegetation Index and the brightness value of two infrared bands (NIR and SWIR) were used in manually developed DT classification. The classification of the SVM (pixel based) was generated using the selected groups of pixels that represent the selected features. In addition, the SVM (object based) was implemented by using radial-based function kernel. The classified features were oil palm, rubber, urban area, soil, water and other vegetation. The study found that the overall classification of the DT was the lowest at 69.87% while those of SVM (pixel based) and SVM (object based) were 76.67 and 81.25%, respectively. Numéro de notice : A2014-468 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2013.848944 En ligne : https://doi.org/10.1080/10106049.2013.848944 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74045
in Geocarto international > vol 29 n° 7 - 8 (November - December 2014) . - pp 792 - 806[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 059-2014041 RAB Revue Centre de documentation En réserve L003 Disponible Object-based hyperspectral classification of urban areas using marker-based hierarchical segmentation / Davood Akbari in Photogrammetric Engineering & Remote Sensing, PERS, vol 80 n° 10 (October 2014)
PermalinkA rule-based parameter aided with object-based classification approach for extraction of building and roads from WorldView-2 images / Zahra Ziaei in Geocarto international, vol 29 n° 5 - 6 (August - October 2014)
PermalinkNovel Folded-PCA for improved feature extraction and data reduction with hyperspectral imaging and SAR in remote sensing / Jaime Zabalza in ISPRS Journal of photogrammetry and remote sensing, vol 93 (July 2014)
PermalinkUne approche basée objet combinée avec les classifieurs avancés (SVM, RF, Extra Trees) pour la détection des changements du bâti / Loubna Elmansouri in Revue internationale de géomatique, vol 24 n° 2 (juin - août 2014)
PermalinkFeature extraction of hyperspectral images with image fusion and recursive filtering / Xudong Kang in IEEE Transactions on geoscience and remote sensing, vol 52 n° 6 Tome 2 (June 2014)
PermalinkSupervised change detection in satellite imagery using super pixels and relevance feedback / Surender Varma Gadhiraju in Geomatica, vol 68 n° 1 (March 2014)
PermalinkAn innovative support vector machine based method for contextual image classification / Rogério Galante Negri in ISPRS Journal of photogrammetry and remote sensing, vol 87 (January 2014)
PermalinkAssessing the performance of two unsupervised dimensionality reduction techniques on hyperspectral APEX data for high resolution urban land-cover mapping / Luca Demarchi in ISPRS Journal of photogrammetry and remote sensing, vol 87 (January 2014)
PermalinkHyperspectral image classification using nearest feature line embedding approach / Yang-Lang Chang in IEEE Transactions on geoscience and remote sensing, vol 52 n° 1 tome 1 (January 2014)
PermalinkA unified framework for land-cover database update and enrichment using satellite imagery / Adrien Gressin (2014)
![]()
Permalink