Descripteur
Termes IGN > sciences naturelles > physique > traitement d'image > photogrammétrie > photogrammétrie numérique > géoréférencement
géoréférencementVoir aussi |
Documents disponibles dans cette catégorie (284)
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
Modélisation et raisonnement spatial flou pour l’aide à la localisation de victimes en montagne / Mattia Bunel (2021)
Titre : Modélisation et raisonnement spatial flou pour l’aide à la localisation de victimes en montagne Type de document : Thèse/HDR Auteurs : Mattia Bunel , Auteur ; Ana-Maria Olteanu-Raimond , Directeur de thèse ; Cécile Duchêne , Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2021 Projets : CHOUCAS / Olteanu-Raimond, Ana-Maria Importance : 343 p. Note générale : bibliographie
Thèse de doctorat Spécialité : Sciences et technologies de l’information géographique, Université Gustave Eiffel — École doctorale MSTIC, Institut national de l’information géographique et forestière — UMR LASTIGLangues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] fusion de données
[Termes IGN] géoréférencement indirect
[Termes IGN] logique floue
[Termes IGN] montagne
[Termes IGN] raisonnement spatial
[Termes IGN] secours d'urgenceIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Plus de 15 000 demandes de secours en montagne sont recensées chaque année, sur le territoire français, en majorité durant les périodes estivales et hivernales. Lorsque ces demandes concernent des interventions à l’extérieur des domaines skiables, elles sont réalisées par des corps spécialisés, comme les Pelotons de Gendarmerie en Haute-Montagne (PGHM). Ces secouristes spécialisés sont chargés de l’opération de secours en tant que telle, mais également de sa préparation, ce qui implique notamment de délimiter la zone d’intervention et donc d’identifier la position de la victime. Cette étape peut s’avérer difficile, car elle nécessite que le requérant décrive le plus précisément possible sa position, malgré la fatigue, la panique ou sa méconnaissance de la région. Grace à la multiplication des téléphones dotés de GPS, des solutions de géo-localisation plus fiables et précises ont été développées, mais les secouristes doivent encore procéder fréquemment à une localisation manuelle, s’appuyant uniquement sur le discours du requérant, leurs connaissances et leur expérience. L’objectif de cette thèse est de proposer une méthode permettant d’assister les secouristes dans la situation où la position du requérant ne peut être identifiée que manuellement. Nous proposons de développer une méthode permettant d’identifier les zones correspondant à une description orale de position (e.g. « Je suis à côté d’un lac »), c’est-à-dire permettant de transformer une position exprimée dans un référentiel indirect (une description orale) en une position exprimée dans un référentiel direct, c’est-à-dire décrite par des coordonnées, qu’il est alors possible de cartographier. Le développement d’une telle méthode se heurte à de nombreux verrous scientifiques, comme la prise en compte de l’imprécision inhérente au langage naturel, de potentielles erreurs de description ou l’identification de la sémantique des prépositions utilisées pour décrire une position en milieu montagneux. Numéro de notice : 17683 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences et technologies de l’information géographique : Eiffel : 2021 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans En ligne : https://hal.science/tel-03298717 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98157 Suivi 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 PDF Du drone LiDAR à un nuage de points précis et exact : une chaîne de traitement LiDAR adaptée et quasi automatique / Maxime Lafleur in XYZ, n° 165 (décembre 2020)
[article]
Titre : Du drone LiDAR à un nuage de points précis et exact : une chaîne de traitement LiDAR adaptée et quasi automatique Type de document : Article/Communication Auteurs : Maxime Lafleur, Auteur ; Elliot Mugner, Auteur ; Rabine Keyetieu-Nlowe, Auteur ; Nicolas Seube, Auteur Année de publication : 2020 Article en page(s) : pp 25 -32 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] auscultation d'ouvrage
[Termes IGN] barrage
[Termes IGN] base de données localisées 3D
[Termes IGN] chaîne de traitement
[Termes IGN] données lidar
[Termes IGN] drone
[Termes IGN] exactitude des données
[Termes IGN] filtrage du bruit
[Termes IGN] géoréférencement
[Termes IGN] Haute-Loire (43)
[Termes IGN] précision des données
[Termes IGN] semis de points
[Termes IGN] sol nuRésumé : (Auteur) Le levé LiDAR présenté dans cet article a été effectué dans le cadre d’une mission d’évaluation de la chaîne de traitement mdInfinity, appliquée à des données acquises par un système drone LiDAR Microdrones. Les différents outils qui constituent cette chaîne de traitement ont été développés et intégrés sur la plateforme de traitement mdInfinity dans une version particulièrement adaptée au système de levé utilisé pour cette mission. Le site utilisé pour cette évaluation est le barrage de Labrioulette (Haute-Garonne), infrastructure située sur la Garonne et exploitée par EDF. Cette zone contient de nombreux éléments sur lesquels la précision et l’exactitude des données LiDAR est primordiale afin d’obtenir un nuage de point exploitable ; notamment la complexité structurelle du barrage (figure 1), les zones sous couvert végétal dense, l’aire de transformation électrique, etc. Pour cette raison, en plus de confirmer la bonne interopérabilité des systèmes LiDAR Microdrones avec les outils de traitement mdInfinity, nous avons tiré profit de cette acquisition pour évaluer les performances de nos algorithmes. Numéro de notice : A2020-770 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96662
in XYZ > n° 165 (décembre 2020) . - pp 25 -32[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 112-2020041 RAB Revue Centre de documentation En réserve L003 Disponible A deep learning framework for matching of SAR and optical imagery / Lloyd Haydn Hughes in ISPRS Journal of photogrammetry and remote sensing, vol 169 (November 2020)
[article]
Titre : A deep learning framework for matching of SAR and optical imagery Type de document : Article/Communication Auteurs : Lloyd Haydn Hughes, Auteur ; Diego Marcos, Auteur ; Sylvain Lobry, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 166 - 179 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] appariement d'images
[Termes IGN] apprentissage profond
[Termes IGN] données clairsemées
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] fusion de données
[Termes IGN] géoréférencement
[Termes IGN] image optique
[Termes IGN] image radar moirée
[Termes IGN] superposition d'imagesRésumé : (auteur) SAR and optical imagery provide highly complementary information about observed scenes. A combined use of these two modalities is thus desirable in many data fusion scenarios. However, any data fusion task requires measurements to be accurately aligned. While for both data sources images are usually provided in a georeferenced manner, the geo-localization of optical images is often inaccurate due to propagation of angular measurement errors. Many methods for the matching of homologous image regions exist for both SAR and optical imagery, however, these methods are unsuitable for SAR-optical image matching due to significant geometric and radiometric differences between the two modalities. In this paper, we present a three-step framework for sparse image matching of SAR and optical imagery, whereby each step is encoded by a deep neural network. We first predict regions in each image which are deemed most suitable for matching. A correspondence heatmap is then generated through a multi-scale, feature-space cross-correlation operator. Finally, outliers are removed by classifying the correspondence surface as a positive or negative match. Our experiments show that the proposed approach provides a substantial improvement over previous methods for SAR-optical image matching and can be used to register even large-scale scenes. This opens up the possibility of using both types of data jointly, for example for the improvement of the geo-localization of optical satellite imagery or multi-sensor stereogrammetry. Numéro de notice : A2020-639 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.09.012 Date de publication en ligne : 03/12/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.09.012 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96062
in ISPRS Journal of photogrammetry and remote sensing > vol 169 (November 2020) . - pp 166 - 179[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2020111 RAB Revue Centre de documentation En réserve L003 Disponible 081-2020113 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2020112 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt An overview of clustering methods for geo-referenced time series: from one-way clustering to co- and tri-clustering / Xiaojing Wu in International journal of geographical information science IJGIS, vol 34 n° 9 (September 2020)
[article]
Titre : An overview of clustering methods for geo-referenced time series: from one-way clustering to co- and tri-clustering Type de document : Article/Communication Auteurs : Xiaojing Wu, Auteur ; Changxiu Cheng, Auteur ; Raul Zurita-Milla, Auteur Année de publication : 2020 Article en page(s) : pp 1822 - 1848 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse de groupement
[Termes IGN] analyse spatio-temporelle
[Termes IGN] classification barycentrique
[Termes IGN] classification par nuées dynamiques
[Termes IGN] exploration de données
[Termes IGN] géoréférencement
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] regroupement de données
[Termes IGN] série temporelle
[Termes IGN] taxinomieRésumé : (auteur) Even though many studies have shown the usefulness of clustering for the exploration of spatio-temporal patterns, until now there is no systematic description of clustering methods for geo-referenced time series (GTS) classified as one-way clustering, co-clustering and tri-clustering methods. Moreover, the selection of a suitable clustering method for a given dataset and task remains to be a challenge. Therefore, we present an overview of existing clustering methods for GTS, using the aforementioned classification, and compare different methods to provide suggestions for the selection of appropriate methods. For this purpose, we define a taxonomy of clustering-related geographical questions and compare the clustering methods by using representative algorithms and a case study dataset. Our results indicate that tri-clustering methods are more powerful in exploring complex patterns at the cost of additional computational effort, whereas one-way clustering and co-clustering methods yield less complex patterns and require less running time. However, the selection of the most suitable method should depend on the data type, research questions, computational complexity, and the availability of the methods. Finally, the described classification can include novel clustering methods, thereby enabling the exploration of more complex spatio-temporal patterns. Numéro de notice : A2020-477 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1726922 Date de publication en ligne : 16/02/2020 En ligne : https://doi.org/10.1080/13658816.2020.1726922 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95624
in International journal of geographical information science IJGIS > vol 34 n° 9 (September 2020) . - pp 1822 - 1848[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2020091 RAB Revue Centre de documentation En réserve L003 Disponible Footprint determination of a spectroradiometer mounted on an unmanned aircraft system / Deepak Gautam in IEEE Transactions on geoscience and remote sensing, vol 58 n° 5 (May 2020)PermalinkA novel method of spatiotemporal dynamic geo-visualization of criminal data, applied to command and control centers for public safety / Mayra Salcedo-Gonzalez in ISPRS International journal of geo-information, vol 9 n° 3 (March 2020)PermalinkSpatial visualization of quantitative landscape changes in an industrial region between 1827 and 1883. Case study Katowice, southern Poland / Paweł Cybulski in Journal of maps, vol 16 n° 1 ([02/01/2020])PermalinkPermalinkAnalyse, structuration et sémantisation des images aériennes [diaporama] / Valérie Gouet-Brunet (2020)PermalinkMise en place d'un système d’auscultation par photogrammétrie aérienne et comparaison avec un scanner laser 3D / Benoît Brizard (2020)PermalinkPermalinkTest du potentiel de l’imagerie satellite haute résolution pour le suivi des mouvements gravitaires des falaises crayeuses de Seine-Maritime / Zoé Stroebele (2020)PermalinkPermalinkA low‐cost open‐source workflow to generate georeferenced 3D SfM photogrammetric models of rocky outcrops / Laurent Froideval in Photogrammetric record, vol 34 n° 168 (December 2019)Permalink