Descripteur
Documents disponibles dans cette catégorie (4609)
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
Identification of alpine glaciers in the central Himalayas using fully polarimetric L-Band SAR data / Guo-Hui Yao in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)
[article]
Titre : Identification of alpine glaciers in the central Himalayas using fully polarimetric L-Band SAR data Type de document : Article/Communication Auteurs : Guo-Hui Yao, Auteur ; Chang-qing Ke, Auteur ; Xiaobing Zhou, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 691 - 703 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse multiéchelle
[Termes IGN] bande L
[Termes IGN] classification orientée objet
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données polarimétriques
[Termes IGN] échantillonnage
[Termes IGN] glacier
[Termes IGN] Himalaya
[Termes IGN] image ALOS-PALSAR
[Termes IGN] image Landsat-OLI
[Termes IGN] image radar moirée
[Termes IGN] interferométrie différentielle
[Termes IGN] matrice de covariance
[Termes IGN] précision de la classification
[Termes IGN] segmentationRésumé : (auteur) To study the applicability of full polarimetric synthetic aperture radar (SAR) data to identify alpine glaciers in the central Himalayas, six polarimetric decomposition methods were used to obtain 20 polarimetric characteristic parameters based on the Advanced Land Observing Satellite 2 (ALOS-2) Phased Array type L-band SAR (PALSAR) data. Object-oriented multiscale segmentation was performed on a Landsat 8 Operational Land Imager (OLI) image prior to classification, and the vector boundaries of different types of training samples were selected from the segmented results. We performed a support vector machine (SVM)-based classification on the characteristic parameters from each polarimetric decomposition. All 20 parameters were then screened and combined according to different requirements: the degree of separability of different types of training samples and the type of scattering mechanisms. The results show that the classification accuracy of the incoherent decomposition characteristics based on the covariance matrix is the best, reaching 87%, and it can exceed 91% after adding the local incidence angle to the suite of classifiers. Eventually, more than 93% accuracy was achieved using a combination of multiple polarimetric parameters, which reduced the misclassification between bare ice and rock. We also analyzed the use of controlling factors on the accuracy of alpine glacier identification and found that the polarimetric information and aspect of the glacier surface are the most important factors. The former is the main basis for identification but the latter will confuse the feature distributions of different categories and cause misclassification. Numéro de notice : A2020-077 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2939430 Date de publication en ligne : 25/09/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2939430 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94613
in IEEE Transactions on geoscience and remote sensing > vol 58 n° 1 (January 2020) . - pp 691 - 703[article]De l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)
Titre : De l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond Type de document : Thèse/HDR Auteurs : Lionel Matteo, Auteur Editeur : Nice : Université Côte d'Azur Année de publication : 2020 Importance : 170 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse en vue de l’obtention du grade de docteur de l'Université Côte d'Azur, en Sciences de la Terre et de l’UniversLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] acquisition d'images
[Termes IGN] analyse comparative
[Termes IGN] apprentissage profond
[Termes IGN] Arizona (Etats-Unis)
[Termes IGN] Californie (Etats-Unis)
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données topographiques
[Termes IGN] faille géologique
[Termes IGN] fusion de données multisource
[Termes IGN] image captée par drone
[Termes IGN] image multi sources
[Termes IGN] image Pléiades-HR
[Termes IGN] MicMac
[Termes IGN] modèle de simulation
[Termes IGN] modèle numérique de surface
[Termes IGN] Nevada (Etats-Unis)
[Termes IGN] reconstruction 3D
[Termes IGN] semis de points
[Termes IGN] stéréo-orthophotographie
[Termes IGN] traitement de semis de pointsIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Les failles sismogéniques sont la source des séismes. L'étude de leurs propriétés nous informe donc sur les caractéristiques des forts séismes qu'elles peuvent produire. Les failles sont des objets 3D qui forment des réseaux complexes incluant une faille principale et une multitude de failles et fractures secondaires qui "découpent" la roche environnante à la faille principale. Mon objectif dans cette thèse a été de développer des approches pour aider à étudier cette fracturation secondaire intense. Pour identifier, cartographier et mesurer les fractures et les failles dans ces réseaux, j'ai adressé deux défis : -1) Les failles peuvent former des escarpements topographiques très pentus à la surface du sol, créant des "couloirs" ou des canyons étroits et profond où la topographie et donc, la trace des failles, peut être difficile à mesurer en utilisant des méthodologies standard (comme des acquisitions d'images satellites optiques stéréo et tri-stéréo). Pour répondre à ce défi, j'ai utilisé des acquisitions multi-stéréos avec différentes configurations (différents angles de roulis et tangage, différentes dates et modes d'acquisitions). Notre base de données constituée de 37 images Pléiades dans trois sites tectoniques différents dans l'Ouest américain (Valley of Fire, Nevada ; Granite Dells, Arizona ; Bishop Tuff, California) m'a permis de tester différentes configurations d'acquisitions pour calculer la topographie avec trois approches différentes. En utilisant la solution photogrammétrique open-source Micmac (IGN ; Rupnik et al., 2017), j'ai calculé la topographie sous la forme de Modèles Numériques de Surfaces (MNS) : (i) à partir de combinaisons de 2 à 17 images Pléiades, (ii) en fusionnant des MNS calculés individuellement à partir d'acquisitions stéréo et tri-stéréo, évitant alors l'utilisant d'acquisitions multi-dates et (iii) en fusionnant des nuages de points calculés à partir d'acquisitions tri-stéréos en suivant la méthodologie multi-vues développée par Rupnik et al. (2018). J’ai aussi combiné, dans une dernière approche (iv), des acquisitions tri-stéréos avec la méthodologie multi-vues stéréos du CNES/CMLA (CARS) développé par Michel et al. (2020), en combinant des acquisitions tri-stéréos. A partir de ces quatre approches, j'ai calculé plus de 200 MNS et mes résultats suggèrent que deux acquisitions tri-stéréos ou une acquisition stéréo combinée avec une acquisition tri-stéréo avec des angles de roulis opposés permettent de calculer les MNS avec la surface topographique la plus complète et précise. -2) Couramment, les failles sont cartographiées manuellement sur le terrain ou sur des images optiques et des données topographiques en identifiant les traces curvilinéaires qu'elles forment à la surface du sol. Néanmoins, la cartographie manuelle demande beaucoup de temps, ce qui limite notre capacité à produire cartographies et mesures complètes des réseaux de failles. Pour s'affranchir de ce problème, j'ai adopté une approche d'apprentissage profond, couramment appelé un réseau de neurones convolutifs (CNN) - U-Net, pour automatiser l'identification et la cartographie des fractures et des failles dans des images optiques et des données topographiques. Volontairement, le modèle CNN a été entraîné avec une quantité modérée de fractures et failles cartographiées manuellement à basse résolution et dans un seul type d'images optiques (photographies du sol avec des caméras classiques). A partir d'un grand nombre de tests, j'ai sélectionné le meilleur modèle, MRef et démontre sa capacité à prédire des fractures et des failles précisément dans données optiques et topographiques de différents types et différentes résolutions (photographies prises au sol, avec un drone et par satellite). Le modèle MRef montre de bonnes capacités de généralisations faisant alors de ce modèle un bon outil pour cartographie rapidement et précisément des fractures et des failles dans des images optiques et des données topographiques. Note de contenu : Introduction générale
Partie 1 - Reconstruction 3D haute résolution
1. Introduction
1.1 Les données topographiques, une solution pour analyser la surface terrestre
1.2 Le récent développement de satellites à capteur optique
1.3 La reconstruction 3D à partir d’images optiques : la photogrammétrie
1.4 Problématique du sujet
2. Acquisitions de données et sites d’études
2.1 Acquisitions d’images satellitaires
2.2 Données LiDAR aéroportées
2.3 Acquisitions d’images par drone
2.4 Acquisitions d’images par appareil photo suspendu à une perche
2.5 Acquisitions de points d’appui
2.6 Sites d’études
3. Calcul de MNS et estimation de leur performance
3.1 Micmac (IGN)
3.2 CARS (CNES/CMLA)
3.3 Quatre méthodes pour calculer des MNS
3.4 Performances des MNS
4. Résultats
4.1 MNS calculés avec des acquisitions multi-dates
4.2 Fusion de MNS calculés avec des acquisitions mono-dates
4.3 Reconstruction 3D à partir de nuage de points fusionnés
4.4 Analyses des MNS générés avec CARS
4.5 Comparaison des méthodes B, C et D dans la zone de Canyons de Valley of Fire 65
4.6 Utilisation de 1 à 4 GCPs pour calculer un MNS
4.7 Application de la méthode B aux deux autres sites
5. Discussion
5.1 La reconstruction 3D à partir d’acquisitions multi-dates
5.2 L’impact des méthodes B, C et D dans la performance des MNS finaux
5.3 Les erreurs possibles dans le calcul des erreurs du géoréférencement des MNS
5.4 La comparaison des MNS Pléiades calculés à d’autres MNS
6. Conclusions
Partie 2 - Automatic fault mapping in remote optical images and topographic data with deep learning - submitted to JGR: Solid Earth
7. Introduction
8. Image, topographic and fault data
8.1 Fault Sites
8.2 Optical image and topographic data
8.3 Fault ground truth derived from manual mapping
9. Deep learning methodology
9.1 Principles of Deep Learning and Convolutional Neural Networks
9.2 Architecture of the CNN model used in present study
9.3 Training procedure
9.4 Estimating the performance of the models
10. Defining a “reference model” MRef
10.1 Selecting the most appropriate CNN architecture
10.2 Sensitivity of model performance to training data size
10.3 Sensitivity of model performance to “quality” of training data
10.4 Refrence model
11. Detailed evaluation of reference model fault predictions
11.1 Results in sites A and B
11.2 Predictions in unseen data of similar type
11.3 Predictions in unseen data of different type
12. Discussion
12.1 U-net appropriate for fracture and fault detection in optical images
12.2 Interpreting learnt characteristics of faults and fractures
12.3 Conditions for model generalization
12.4 Uncertainties and model robustness
12.5 Recovering fault hierarchy and connectivity
13 Conclusions
Conclusion généraleNuméro de notice : 26555 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l'Univers : Côte d'Azur : 2020 Organisme de stage : Géoazur UMR 7329 - Observatoire de la Côte d'Azur nature-HAL : Thèse Date de publication en ligne : 02/06/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03245713/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97965
Titre : Des images satellites aux cartes vectorielles Type de document : Thèse/HDR Auteurs : Onur Tasar, Auteur ; Pierre Alliez, Directeur de thèse Editeur : Nice : Université Côte d'Azur Année de publication : 2020 Importance : 151 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée en vue de l'obtention du grade de docteur en Automatique, Traitement du Signal et des Images de l'Université Côte d'AzurLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification dirigée
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification pixellaire
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] données massives
[Termes IGN] données matricielles
[Termes IGN] généralisation cartographique
[Termes IGN] géomètrie algorithmique
[Termes IGN] image aérienne
[Termes IGN] image satellite
[Termes IGN] maillage
[Termes IGN] représentation vectorielle
[Termes IGN] segmentation sémantique
[Termes IGN] vectorisationIndex. décimale : THESE Thèses et HDR Résumé : (auteur) With the help of significant technological developments over the years, it has been possible to collect massive amounts of remote sensing data. For example, the constellations of various satellites are able to capture large amounts of remote sensing images with high spatial resolution as well as rich spectral information over the globe. The availability of such huge volume of data has opened the door to numerous applications and raised many challenges. Among these challenges, automatically generating accurate maps has become one of the most interesting and long-standing problems, since it is a crucial process for a wide range of applications in domains such as urban monitoring and management, precise agriculture, autonomous driving, and navigation. This thesis seeks for developing novel approaches to generate vector maps from remote sensing images. To this end, we split the task into two sub-stages. The former stage consists in generating raster maps from remote sensing images by performing pixel-wise classification using advanced deep learning techniques. The latter stage aims at converting raster maps to vector ones by leveraging computational geometry approaches. This thesis addresses the challenges that are commonly encountered within both stages. Although previous research has shown that convolutional neural networks (CNNs)are able to generate excellent maps when training data are representative for test data, their performance significantly drops when there exists a large distribution difference between training and test images. In the first stage of our pipeline, we mainly aim atvercoming limited generalization abilities of CNNs to perform large-scale classification. We also explore a way of leveraging multiple data sets collected at different times with annotations for separate classes to train CNNs that can generate maps for all the classes. In the second part, we propose a method that vectorizes raster maps to integrate them into geographic information systems applications, which completes our processing pipeline. Throughout this thesis, we experiment on a large number of very high resolution satellite and aerial images. Our experiments demonstrate robustness and scalability of the proposed methods. Note de contenu : 1- Introduction
2- Progressively learning to segment new classes
3- City-to-city domain adaptation
4- Multi-source domain adaptation by data standardization
5- Multi-source, multi-target, and life-long domain adaptation
6- Vectorization of buildings via mesh approximation
7- Conclusions and perspectivesNuméro de notice : 28571 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du Signal et des Images : Côte d'Azur : 2020 Organisme de stage : INRIA Sophia Antipolis nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-02989681v2/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97728 IWV retrieval from shipborne GPS receiver on hydrographic ship Borda [diaporama] / Olivier Bock (2020)
Titre : IWV retrieval from shipborne GPS receiver on hydrographic ship Borda [diaporama] Type de document : Article/Communication Auteurs : Olivier Bock , Auteur ; Pierre Bosser , Auteur ; Olivier Caumont, Auteur ; Raphaël Legouge, Auteur ; Nicolas Laurain, Auteur Editeur : Munich [Allemagne] : European Geosciences Union EGU Année de publication : 2020 Projets : 1-Pas de projet / Conférence : EGU 2020, General Assembly, Sharing Geoscience 04/05/2020 08/05/2020 en ligne OA program & abstracts only Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale
[Termes IGN] données GPS
[Termes IGN] données météorologiques
[Termes IGN] image Aqua-MODIS
[Termes IGN] modèle de simulation
[Termes IGN] navire
[Termes IGN] teneur intégrée en vapeur d'eauRésumé : (auteur) This work aims to provide a quick review of different experiments conducted in the past for the estimation of integrated water vapor content from shipborne GNSS receiver. This state of the art will be confronted with results obtained using GPS data acquired by the French Hydrographic Ship Borda on a cruise over Atlantic Ocean and Mediterranean Sea, from Brest to Toulon in August 2015; the estimated IWV are compared with satellite observations (MODIS) and outputs from numerical weather prediction models (ERAI, ERA5, Arpege, Arome); while differences between GPS and MODIS retrievals reach almost 4 kg/m2 in terms of RMS, agreement is generally much better with numerical models (2 up to 3 kg/m2 in terms of RMS). Use of real-time orbit and clocks product is also investigated in order to assess the performance of near real-time GPS-IWV estimation for NWP purposes. We will draw out the prospects in terms of possibilities and opportunities for the use of shipborne GNSS IWV for meteorology and climatology. Numéro de notice : C2020-022 Affiliation des auteurs : UMR IPGP-Géod+Ext (2020- ) Thématique : POSITIONNEMENT Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/egusphere-egu2020-7518 Date de publication en ligne : 16/10/2020 En ligne : https://doi.org/10.5194/egusphere-egu2020-7518 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96580 Lightweight temporal self-attention for classifying satellite images time series / Vivien Sainte Fare Garnot (2020)
Titre : Lightweight temporal self-attention for classifying satellite images time series Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu , Auteur Editeur : Le Chesnay : Institut National de Recherche en Informatique et en Automatique INRIA Année de publication : 2020 Conférence : AALTD 2020, Workshop on Advanced Analytics and Learning on Temporal Data 18/09/2020 18/09/2020 en ligne Belgique Proceedings Springer Importance : 11 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] attention (apprentissage automatique)
[Termes IGN] chaîne de traitement
[Termes IGN] efficacité
[Termes IGN] image Sentinel
[Termes IGN] série temporelleRésumé : (auteur) The increasing accessibility and precision of Earth observation satellite data offers considerable opportunities for industrial and state actors alike. This calls however for efficient methods able to process time series on a global scale. Building on recent work employing multi-headed self-attention mechanisms to classify remote sensing time sequences, we propose a modification of the Temporal Attention Encoderof Garnot et al.[5]. In our network, the channels of the temporal inputs are distributed among several compact attention heads operating in parallel. Each head extracts highly-specialized temporal features which arein turn concatenated into a single representation. Our approach outper-forms other state-of-the-art time series classification algorithms on an open-access satellite image dataset, while using significantly fewer parameters and with a reduced computational complexity. Numéro de notice : C2020-020 Affiliation des auteurs : UGE-LASTIG (2020- ) Autre URL associée : vers HAL/https://project.inria.fr/aaltd20/files/2020/08/AALTD_20_paper_SainteFareGarnot.pdf Thématique : IMAGERIE/INFORMATIQUE Nature : Poster nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1007/978-3-030-65742-0_12 En ligne : https://doi.org/10.1007/978-3-030-65742-0_12 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96458 Mise en place d'une méthode de détermination de la hauteur d'eau des océans à partir d'un capteur LiDAR aéroporté dans le cadre de la calibration/validation de l'altimètre SWOT / Romain Serthelon (2020)PermalinkNational scale identification and characterization of braided rivers in New Zealand using Google Earth Engine / Alexis Jean (2020)PermalinkOn the joint exploitation of optical and SAR satellite imagery for grassland monitoring / Anatol Garioud (2020)PermalinkPermalinkPhotogrammetric Bathymetry for the Canadian Arctic / Matus Hodul in Marine geodesy, Vol 43 n° 1 (January 2020)PermalinkLe plug-in ACYOTB : l'orthorectification open source de précision / Valerio Baiocchi in Géomatique expert, n° 132-133 (janvier - septembre 2020)PermalinkPermalinkRadar interferometry of unstable slopes / Theeba Raveendran (2020)PermalinkRegional-scale forest mapping over fragmented landscapes using global forest products and Landsat time series classification / Viktor Myroniuk in Remote sensing, vol 12 n° 1 (January 2020)PermalinkPermalink