Descripteur
Documents disponibles dans cette catégorie (1339)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Assessing 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)
![]()
[article]
Titre : Assessing the performance of two unsupervised dimensionality reduction techniques on hyperspectral APEX data for high resolution urban land-cover mapping Type de document : Article/Communication Auteurs : Luca Demarchi, Auteur ; Frank Canters, Auteur ; Claude Cariou, Auteur ; Giorgio Licciardi, Auteur ; Jonathan Cheung-Wai Chan, Auteur Année de publication : 2014 Article en page(s) : pp 166 - 179 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] Airborne Prism Experiment
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] image APEX
[Termes IGN] image hyperspectrale
[Termes IGN] Perceptron multicoucheRésumé : (Auteur) Despite the high richness of information content provided by airborne hyperspectral data, detailed urban land-cover mapping is still a challenging task. An important topic in hyperspectral remote sensing is the issue of high dimensionality, which is commonly addressed by dimensionality reduction techniques. While many studies focus on methodological developments in data reduction, less attention is paid to the assessment of the proposed methods in detailed urban hyperspectral land-cover mapping, using state-of-the-art image classification approaches. In this study we evaluate the potential of two unsupervised data reduction techniques, the Autoassociative Neural Network (AANN) and the BandClust method – the first a transformation based approach, the second a feature-selection based approach – for mapping of urban land cover at a high level of thematic detail, using an APEX 288-band hyperspectral dataset. Both methods were tested in combination with four state-of-the-art machine learning classifiers: Random Forest (RF), AdaBoost (ADB), the multiple layer perceptron (MLP), and support vector machines (SVM). When used in combination with a strong learner (MLP, SVM) BandClust produces classification accuracies similar to or higher than obtained with the full dataset, demonstrating the method’s capability of preserving critical spectral information, required for the classifier to successfully distinguish between the 22 urban land-cover classes defined in this study. In the AANN data reduction process, on the other hand, important spectral information seems to be compromised or lost, resulting in lower accuracies for three of the four classifiers tested. Detailed analysis of accuracies at class level confirms the superiority of the SVM/Bandclust combination for accurate urban land-cover mapping using a reduced hyperspectral dataset. This study also demonstrates the potential of the new APEX sensor data for detailed mapping of land cover in spatially and spectrally complex urban areas. Numéro de notice : A2014-018 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2013.10.012 En ligne : https://doi.org/10.1016/j.isprsjprs.2013.10.012 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32923
in ISPRS Journal of photogrammetry and remote sensing > vol 87 (January 2014) . - pp 166 - 179[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 081-2014011 RAB Revue Centre de documentation En réserve L003 Disponible Caractérisation et cartographie de la structure forestière à partir d'images satellitaires à très haute résolution spatiale / Benoit Beguet (2014)
![]()
Titre : Caractérisation et cartographie de la structure forestière à partir d'images satellitaires à très haute résolution spatiale Type de document : Thèse/HDR Auteurs : Benoit Beguet, Auteur Editeur : Talence : Université de Bordeaux 3 Michel de Montaigne Année de publication : 2014 Format : 21 x 30 cm Note générale : bibliographie
Sciences de la Terre, Université Michel de Montaigne - Bordeaux IIILangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse texturale
[Termes IGN] caractérisation
[Termes IGN] carte forestière
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] densité de la végétation
[Termes IGN] forêt tempérée
[Termes IGN] hauteur des arbres
[Termes IGN] image multibande
[Termes IGN] image panchromatique
[Termes IGN] image Pléiades-HR
[Termes IGN] image Quickbird
[Termes IGN] Landes (40)
[Termes IGN] Pinus pinaster
[Termes IGN] régression multiple
[Termes IGN] structure d'un peuplement forestierIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les images à très haute résolution spatiale (THR) telles que les images Pléiades (50 cm en Panchromatique, 2m en multispectral) rendent possible une description fine de la structure forestière (distribution et dimensions des arbres) à l'échelle du peuplement, en exploitant la relation entre la structure spatiale des arbres et la texture d'image quand la taille du pixel est inférieure à la dimension des arbres. Cette attente répond au besoin d'inventaire spatialisé de la ressource forestière à l'échelle du peuplement et de ses changements dus à la gestion forestière, à l'aménagement du territoire ou aux événements catastrophiques. L'objectif est double: (1) évaluer le potentiel de la texture d'images THR pour estimer les principales variables de structure forestière (diamètre des couronnes, diamètre du tronc, hauteur, densité ou espacement des arbres) à l'échelle du peuplement; (2) sur ces bases, classer les données image, au niveau pixel, par types de structure forestière afin de produire l'information spatialisée la plus fine possible. Les principaux développements portent sur l'automatisation du paramètrage, la sélection de variables, la modélisation par régression multivariable et une approche de classification par classifieurs d'ensemble (Forêts Aléatoires ou Random Forests). Ils sont testés et évalués sur deux sites de la forêt landaise de pin maritime à partir de trois images Pléiades et une Quickbird, acquises dans diverses conditions (saison, position du soleil, angles de visée). La méthodologie proposée est générique. La robustesse aux conditions d'acquisition des images est évaluée. Les résultats montrent que des variations fines de texture caractéristiques de celles de la structure forestière sont bien identifiables. Les performances en terme d'estimation des variables forestières (RMSE) : ~1.1 m pour le diamètre des couronnes, ~3 m pour la hauteur des arbres ou encore ~0.9 m pour leur espacement, ainsi qu'en cartographie des structures forestières (~82 % de taux de bonne classification pour la reconnaissance des 5 classes principales de la structure forestière) sont satisfaisantes d'un point de vue opérationnel. L'application à des images multi-annuelles permettra d'évaluer leur capacité à détecter et cartographier des changements tels que coupe forestière, mitage urbain ou encore dégâts de tempête. Numéro de notice : 17119 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences de la Terre : Bordeaux 3 : 2014 Organisme de stage : Géoressources et Environnement nature-HAL : Thèse DOI : sans En ligne : https://hal.science/tel-02800745v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=80289 Collaborative sparse regression for hyperspectral unmixing / Marian-Daniel Iordache in IEEE Transactions on geoscience and remote sensing, vol 52 n° 1 tome 1 (January 2014)
![]()
[article]
Titre : Collaborative sparse regression for hyperspectral unmixing Type de document : Article/Communication Auteurs : Marian-Daniel Iordache, Auteur ; José Bioucas-Dias, Auteur ; Antonio J. Plaza, Auteur Année de publication : 2014 Article en page(s) : pp 341 - 354 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] accentuation d'image
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] image hyperspectrale
[Termes IGN] régressionRésumé : (Auteur) Sparse unmixing has been recently introduced in hyperspectral imaging as a framework to characterize mixed pixels. It assumes that the observed image signatures can be expressed in the form of linear combinations of a number of pure spectral signatures known in advance (e.g., spectra collected on the ground by a field spectroradiometer). Unmixing then amounts to finding the optimal subset of signatures in a (potentially very large) spectral library that can best model each mixed pixel in the scene. In this paper, we present a refinement of the sparse unmixing methodology recently introduced which exploits the usual very low number of endmembers present in real images, out of a very large library. Specifically, we adopt the collaborative (also called “multitask” or “simultaneous”) sparse regression framework that improves the unmixing results by solving a joint sparse regression problem, where the sparsity is simultaneously imposed to all pixels in the data set. Our experimental results with both synthetic and real hyperspectral data sets show clearly the advantages obtained using the new joint sparse regression strategy, compared with the pixelwise independent approach. Numéro de notice : A2014-038 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2013.2240001 En ligne : https://doi.org/10.1109/TGRS.2013.2240001 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32943
in IEEE Transactions on geoscience and remote sensing > vol 52 n° 1 tome 1 (January 2014) . - pp 341 - 354[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-2014011A RAB Revue Centre de documentation En réserve L003 Disponible Combining top-down and bottom-up approaches for building detection in a single very high resolution satellite image / Mahmoud Mohammed Sidi Youssef (2014)
![]()
Titre : Combining top-down and bottom-up approaches for building detection in a single very high resolution satellite image Type de document : Article/Communication Auteurs : Mahmoud Mohammed Sidi Youssef, Auteur ; Clément Mallet , Auteur ; Nesrine Chehata
, Auteur ; Arnaud Le Bris
, Auteur ; Adrien Gressin
, Auteur
Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : IGARSS 2014, International Geoscience And Remote Sensing Symposium 13/07/2014 18/07/2014 Québec Québec - Canada Proceedings IEEE Importance : pp 4820 - 4823 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification
[Termes IGN] détection du bâti
[Termes IGN] image multibande
[Termes IGN] image Pléiades-HR
[Termes IGN] pansharpening (fusion d'images)
[Termes IGN] reconnaissance de formesRésumé : (auteur) Building detection from geospatial optical images has been a popular topic of research for the last twenty years and in particular with the emergence of very high resolution satellites. Existing methods exhibit various flaws and prevent them from being efficient at large scales of space and time: they are context-dependent, require a tedious parameter tuning or several data sources. In this paper, we propose a fully automatic method that alleviates some of these issues by combining the strengths of bottom-up and top-down approaches, i.e., of both classification and pattern recognition algorithms. This allows to correctly detect the objects by geometric prior knowledge while finely delineating their borders and preserving their shapes. The method is evaluated over a complex area of more than 230 buildings using a 0.5 m multispectral pansharpened Pleiades image. Numéro de notice : C2014-028 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2014.6947573 Date de publication en ligne : 10/11/2014 En ligne : http://dx.doi.org/10.1109/IGARSS.2014.6947573 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83398 Comparaison de méthodes d'extraction automatique à partir d'images multispectrales / Valerio Baiocchi in Géomatique expert, n° 96 (01/01/2014)
[article]
Titre : Comparaison de méthodes d'extraction automatique à partir d'images multispectrales Type de document : Article/Communication Auteurs : Valerio Baiocchi, Auteur ; Maria Vittoria Milone, Auteur ; Martina Mormile, Auteur ; R. Brigante, Auteur ; Donatella Dominici., Auteur Année de publication : 2014 Article en page(s) : pp 8 - 15 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] Abruzzes
[Termes IGN] analyse comparative
[Termes IGN] classification dirigée
[Termes IGN] classification orientée objet
[Termes IGN] classification pixellaire
[Termes IGN] détection de changement
[Termes IGN] dommage matériel
[Termes IGN] extraction automatique
[Termes IGN] image multibande
[Termes IGN] séismeRésumé : (Auteur) [Introduction] [...] Cet article vise à comparer deux algorithmes de classification : l'approche pixel et l'approche objet, dans le cadre d'études portant sur l'évaluation des dommages créés par une catastrophe naturelle, par exemple un séisme. Nous allons donc utiliser comme zone d'étude la ville italienne de l'Aquila, récemment frappée par un tremblement de terre aux conséquences majeures. Numéro de notice : A2014-042 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32947
in Géomatique expert > n° 96 (01/01/2014) . - pp 8 - 15[article]Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 265-2014011 RAB Revue Centre de documentation En réserve L003 Disponible IFN-001-P001541 PER Revue Nogent-sur-Vernisson Salle périodiques Disponible PermalinkDétection de bâtiments à partir d’une image satellitaire par combinaison d’approches ascendante et descendante / Mohamed Mahmoud Sidi Yousseff (2014)
PermalinkEvaluation of MODIS data for improved monitoring of the Caspian Sea / Ayoub Moradi in International Journal of Remote Sensing IJRS, vol 35 n° 16 (January 2014)
PermalinkHierarchical extraction of landslides from multiresolution remotely sensed optical images / Camille Kurtz 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)
PermalinkPermalinkPermalinkIndividual tree segmentation over large areas using airborne LiDAR point cloud and very high resolution optical imagery / Yuchu Qin (2014)
![]()
PermalinkA local contrast method for small infrared target detection / C.L. Philip Chen in IEEE Transactions on geoscience and remote sensing, vol 52 n° 1 tome 2 (January 2014)
PermalinkMapping a priori defined plant associations using remotely sensed vegetation characteristics / Hans D. Rölofsen in Remote sensing of environment, vol 140 (January 2014)
Permalink