Descripteur
Documents disponibles dans cette catégorie (293)
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
Titre : Predicting future urban drought under climate change Titre original : Prédire les sécheresses urbaines dans le contexte du changement climatique Type de document : Thèse/HDR Auteurs : Changsen Zhao, Auteur ; Françoise Nerry, Directeur de thèse ; Zhao-Liang Li, Directeur de thèse Editeur : Strasbourg : Université de Strasbourg Année de publication : 2021 Importance : 145 p. Format : 21 x 30 cm Note générale : Bibliographie, résumé long en français
Thèse présentée pour obtenir le grade de Docteur de l'Université de Strasbourg, Discipline Sciences de l'Imagerie, Spécialité TélédétectionLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] changement climatique
[Termes IGN] Chine
[Termes IGN] données GLDAS
[Termes IGN] données GRACE
[Termes IGN] eau de surface
[Termes IGN] eau souterraine
[Termes IGN] estimation statistique
[Termes IGN] fusion de données multisource
[Termes IGN] image captée par drone
[Termes IGN] image satellite
[Termes IGN] milieu urbain
[Termes IGN] réseau neuronal artificiel
[Termes IGN] sécheresse
[Termes IGN] série temporelleIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) De nombreuses villes du monde manquent de données et ne peuvent donc pas prévoir avec précision les sécheresses urbaines futures (UD) dans le contexte des changements climatiques. Par conséquent, cette thèse a mis en avant un nouveau cadre pour prédire l’UD future. En couplant des images de satellites et de drones, nous avons présenté deux ensembles de nouvelles méthodes pour l’estimation des eaux de surface disponibles ; en couplant les données issues du satellite GRACE de la NASA et l’ensemble de données GLDAS, nous avons proposé une nouvelle méthode de prévision des eaux souterraines disponibles. Toutes les méthodes ont été vérifiées en utilisant des observations au sol et des données fournies par GRACE dans trois grandes villes du bassin du fleuve Jaune, en Chine. Avec ces méthodes, nous avons reconstitué des séries de données sur les eaux de surface et souterraines disponibles pour les trois villes au cours de la période 1948-2001, lorsque les données disponibles sur l’eau sont manquantes. Avec ces données reconstituées sur la disponibilité de l’eau et les projections de consommation d’eau, nous avons prédit l’UD de trois grandes villes en Chine en 2030 et 2050 en exploitant un réseau neuronal artificiel sur la base de scénarios climatiques CMIP5. Les résultats montrent que l'UD sera plus sévère en 2030 qu'en 2050. Note de contenu : Chapter 1 - Introduction
1.1 Background
1.2 Objectives
1.3 State of the art of drought assessment and prediction
1.4 Large-scaled drought assessment with multi-source data inclusive of satellite imageries
1.5 Assessment of water consumption
1.6 Flow chart and outline of the dissertation research
Chapter 2 - Data and study area
2.1 Data collection and verification
2.2 Characteristics of study area
Chapter 3 - Estimation of surface freshwater available
3.1 Retrieval of long-termed streamflow for the three representative cities
3.2 Surface freshwater available (FWA) for the three representative cities
3.3 Summary
Chapter 4 - Estimation of underground freshwater available
4.1 Determining factors driving the variation of underground FWA (vertical water flux)
4.2 Extension of data series of underground FWA
4.3 Summary
Chapter 5 - Calculation of water consumption
5.1 Estimation of water quantity sustaining household
5.2 Estimation of water quantity for industry
5.3 Estimation of water quantity consumed by ecosystems
5.4 Estimation of total water consumption
5.5 Summary
Chapter 6 - Prediction of urban drought in 2030 and 2050
6.1 Prediction of freshwater available
6.2 Prediction of water consumption
6.3 Future urban drought in the year 2030 and 2050
6.4 Summary
Chapter 7 - Conclusions and perspectives
7.1 Main conclusions
7.2 PerspectivesNuméro de notice : 26945 Affiliation des auteurs : non IGN Autre URL associée : vers HAL Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Discipline Sciences de l'Imagerie, Spécialité Télédétection : Strasbourg : 2021 Organisme de stage : ICube, Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie nature-HAL : Thèse DOI : sans Date de publication en ligne : 12/09/2022 En ligne : https://publication-theses.unistra.fr/public/theses_doctorat/2021/Zhao_Changsen_ [...] Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102146 Reconnaissance spécifique et cartographie des arbres de la canopée en forêt tropicale en Guyane française par fusion de données lidar et hyperspectrales appliquées aux besoins de la gestion forestière / Anthony Laybros (2021)
Titre : Reconnaissance spécifique et cartographie des arbres de la canopée en forêt tropicale en Guyane française par fusion de données lidar et hyperspectrales appliquées aux besoins de la gestion forestière Type de document : Thèse/HDR Auteurs : Anthony Laybros, Auteur ; Grégoire Vincent, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le doctorat de l'Université de Montpellier, Spécialité Biologie et BiodiversitéLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] canopée
[Termes IGN] détection d'ombre
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] forêt tropicale
[Termes IGN] fusion d'images
[Termes IGN] fusion de données multisource
[Termes IGN] gestion forestière
[Termes IGN] Guyane (département français)
[Termes IGN] image hyperspectrale
[Termes IGN] lissage de donnéesIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) L'Office National des Forêts (ONF) est chargé de la conservation et de la gestion de 6 millions d'hectares de forêts privé en Guyane française. La possibilité de cartographier les espèces dans la canopée par télédétection est d'un intérêt évident, tant appliquées que scientifique. Les inventaires spatialisés à l'échelle du paysage contribueraient à faire progresser les connaissances fondamentales de ce biome complexe et menacé et aiderait à sa gestion durable. Les cartes de distribution d’espèces peuvent être croisées avec les facteurs environnementaux et fournir ainsi des clés d’interprétation des schémas d’organisation des peuplements forestiers. Du point de vue de la gestion, les cartes de distribution des espèces offrent une rationalisation de l'exploitation forestière. La cartographie des espèces commerciales pourrait favoriser des pratiques forestières minimisant l'impact environnemental de l'exploitation. L'identification des espèces permettrait de prioriser les zones particulièrement riches en espèces commerciales, tout en évitant d'ouvrir des pistes d'exploitation dans les zones à faible niveau de ressources exploitables. La télédétection offre également la possibilité de surveiller l’extension des espèces proliférantes, telles que les lianes. Des capteurs hyperspectraux et LiDAR ont été utilisés à bord d’un avion pour identifier les espèces dans les forêts tropicales guyanaises. Une large gamme spectrale issue des capteurs hyperspectraux (400–2500 nm) est mesurée permettant d'avoir de nombreux descripteurs. Le LiDAR embarqué offre une description fine de la structure du couvert, facilitant la segmentation des houppiers. La fusion de ces deux informations améliore la caractérisation de la ressource. Afin de tirer le meilleur parti des données hyperspectrales, différents prétraitements radiométriques ont été évalués. Le lissage spatial et le filtrage des ombres sont les principaux facteurs qui améliorent la discrimination des espèces. L'utilisation de la gamme spectrale complète est également bénéfique. Ces résultats de classification ont été obtenus sur un groupe 20 espèces abondantes. L’identification de ces mêmes espèces en mélange au sein d’un peuplement hyperdiverse a constitué la deuxième étape de ce travail. Nous avons évalué le niveau d'information nécessaire et le degré de confusion tolérable dans les données d’apprentissage afin de retrouver une espèce cible dans une canopée hyperdiverse. Une méthode de classification spécifique a été mise en œuvre pour être insensible à la contamination entre classes focales/non focales. Même dans le cas où la classe non focale contient jusqu’à 5% de pixels de la classe focale (espèce à identifier), les classifieurs se sont révélés efficaces. La troisième étape aborde le problème de la transposabilité des classifieurs d’une acquisition à une autre. La caractérisation des conditions d’acquisition et la prise en compte de leurs effets sont nécessaires pour convertir les données de radiance en réflectance de surface. Cependant cette opération de standardisation reste une étape extrêmement délicate au vue des nombreuses sources de variabilité : état de l’atmosphère, géométrie soleil-capteur et conditions d'éclairement. Nous évaluons en comparant des vols répétés sur le même site, la contribution des diverses caractéristiques d’acquisition à la divergence spectrale entre dates. Ce travail vise à proposer des pistes pour développer des méthodes de reconnaissance d'espèces qui soient plus robustes aux variations des caractéristiques d'acquisition. Note de contenu : ATTENTE DE DIFFUSION DU TEXTE SUR HAL Numéro de notice : 26528 Affiliation des auteurs : non IGN Autre URL associée : vers diaporama 2018 Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Biologie et Biodiversité : Montpellier : 2021 Organisme de stage : UMR AMAP nature-HAL : Thèse DOI : sans Date de publication en ligne : 02/04/2021 En ligne : https://tel.hal.science/tel-03188125 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97558
Titre : Les synergies de la télédétection optique par drone et satellite : changement d’échelle et application à la conservation des prairies humides Type de document : Thèse/HDR Auteurs : Emilien Alvarez-Vanhard, Auteur ; Thomas Houet, Directeur de thèse ; Thomas Corpetti, Directeur de thèse Editeur : Rennes : Université de Rennes 2 Année de publication : 2021 Importance : 193 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée pour obtenir le grade de Docteur de l’Université de Rennes 2, Spécialité : GéographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte de la végétation
[Termes IGN] données de terrain
[Termes IGN] échelle des données
[Termes IGN] étalonnage des données
[Termes IGN] fusion de données multisource
[Termes IGN] image captée par drone
[Termes IGN] image satellite
[Termes IGN] inondation
[Termes IGN] jeu de données localisées
[Termes IGN] marais
[Termes IGN] phytosociologie
[Termes IGN] prairie
[Termes IGN] réserve naturelle
[Termes IGN] zone humideIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La technologie drone est une nouvelle source de données de télédétection qui offre de nouvelles perspectives aux sciences de l'observation de la Terre. Elle permet un nouveau régime d'observation flexible et à très haute résolution spatiale qui apparaît comme complémentaire à celui des systèmes satellitaires et favorise l'application du changement d'échelle. Cette thèse a pour objectif d'évaluer l'apport des complémentarités entre drone et satellite pour le suivi des prairies humides - des milieux à fort enjeux écologiques et économiques. Pour cela, les principales synergies entre les données drone et satellite ont été identifiées dans la littérature scientifique. Un jeu de données multi-sources et multi-échelles alliant observations drone, satellitaires et in-situ a été constitué sur le site de la réserve régionale du marais de Sougéal, France. Ainsi, deux synergies adaptées au changement d'échelle - la "calibration de modèle" et la "fusion de données" - ont été appliquées à la cartographie de la structure des prairies humides - la distribution des communautés végétales et les dynamiques d'inondation. Les résultats montrent que le drone apporte une information sur la structure spatiale fine qui est utile pour dépasser les effets de pixels mixtes présents dans les données satellitaires. Par ailleurs, ces synergies facilitent la réalisation de représentations cartographiques qui intègrent la nature graduelle des milieux de prairies humides. Note de contenu : Introduction générale
Chapitre 1 - État-de-l’art : Identification des synergies entre drone et satellite
1.1 Introduction
1.2 Méthodes
1.3 Résultats
1.4 Discussion
1.5 Conclusion
Chapitre 2 - Le potentiel des synergies drone/satellite pour le suivi des prairies humides
2.1 Introduction
2.2 Les problématiques et enjeux du suivi des prairies humides
2.3 Méthodologies appliquées aux synergies drone/satellite
2.4 Site d’étude et données
2.5 Conclusion
Chapitre 3 - Calibration de modèle : Cartographie des communautés végétales de prairie humide
3.1 Introduction
3.2 Matériels
3.3 Méthodes
3.4 Résultats
3.5 Discussion
3.6 Conclusion
Chapitre 4 - Fusion de données : Cartographie des dynamiques d’inondation de prairie humide
4.1 Introduction
4.2 Matériels
4.3 Méthodes
4.4 Résultats
4.5 Discussion
4.6 Conclusion
Conclusion généraleNuméro de notice : 26727 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géographie : Rennes 2 : 2021 Organisme de stage : Littoral, Environnement, Télédétection, Géomatique LETG nature-HAL : Thèse DOI : sans Date de publication en ligne : 10/01/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03519981/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99529 Understanding the synergies of deep learning and data fusion of multispectral and panchromatic high resolution commercial satellite imagery for automated ice-wedge polygon detection / Chandi Witharana in ISPRS Journal of photogrammetry and remote sensing, vol 170 (December 2020)
[article]
Titre : Understanding the synergies of deep learning and data fusion of multispectral and panchromatic high resolution commercial satellite imagery for automated ice-wedge polygon detection Type de document : Article/Communication Auteurs : Chandi Witharana, Auteur ; Md Abul Ehsan Bhuiyan, Auteur ; Anna K. Liljedahl, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 174-191 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] algorithme de fusion
[Termes IGN] apprentissage profond
[Termes IGN] Arctique
[Termes IGN] artefact
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection automatique
[Termes IGN] fusion d'images
[Termes IGN] glace
[Termes IGN] image à haute résolution
[Termes IGN] pergélisol
[Termes IGN] texture d'imageRésumé : (Auteur) The utility of sheer volumes of very high spatial resolution (VHSR) commercial imagery in mapping the Arctic region is new and actively evolving. Commercial satellite sensors typically record image data in low-resolution multispectral (MS) and high-resolution panchromatic (PAN) mode. Spatial resolution is needed to accurately describe feature shapes and textural patterns, such as ice-wedge polygons (IWPs) that are rapidly transforming surface features due to degrading permafrost, while spectral resolution allows capturing of land-use and land-cover types. Data fusion, the process of combining PAN and MS images with complementary characteristics often serves as an integral component of remote sensing mapping workflows. The fusion process generates spectral and spatial artifacts that may affect the classification accuracies of subsequent automated image analysis algorithms, such as deep learning (DL) convolutional neural nets (CNN). We employed a detailed multidimensional assessment to understand the performances of an array of eight application-oriented data fusion algorithms when applied to VHSR image scenes for DLCNN-based mapping of ice-wedge polygons. Our findings revealed the scene dependency of data fusion algorithms and emphasized the need for careful selection of the proper algorithm. Results suggested that the fusion algorithms that preserve spatial character of original PAN imagery favor the DLCNN model performances. The choice of fusion approach needs to be considered of equal importance to the required training dataset for successful applications using DLCNN on VHRS imagery in order to enable an accurate mapping effort of permafrost thaw across the Arctic region. Numéro de notice : A2020-705 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.10.010 Date de publication en ligne : 01/11/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.10.010 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96232
in ISPRS Journal of photogrammetry and remote sensing > vol 170 (December 2020) . - pp 174-191[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 081-2020121 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]Réservation
Réserver ce documentExemplaires(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 Structure from motion for complex image sets / Mario Michelini in ISPRS Journal of photogrammetry and remote sensing, vol 166 (August 2020)PermalinkClassification of hyperspectral and LiDAR data using coupled CNNs / Renlong Hang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)PermalinkAn integrated approach to registration and fusion of hyperspectral and multispectral images / Yuan Zhou in IEEE Transactions on geoscience and remote sensing, vol 58 n° 5 (May 2020)PermalinkDelineating minor landslide displacements using GPS and terrestrial laser scanning-derived terrain surfaces and trees: a case study of the Slumgullion landslide, Lake City, Colorado / Jin Wang in Survey review, vol 52 n° 372 (May 2020)PermalinkSaliency-guided single shot multibox detector for target detection in SAR images / Lan Du in IEEE Transactions on geoscience and remote sensing, vol 58 n° 5 (May 2020)PermalinkAdaptive Statistical Superpixel Merging With Edge Penalty for PolSAR Image Segmentation / Deliang Xiang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 4 (April 2020)PermalinkDirectionally constrained fully convolutional neural network for airborne LiDAR point cloud classification / Congcong Wen in ISPRS Journal of photogrammetry and remote sensing, vol 162 (April 2020)PermalinkA LiDAR–optical data fusion approach for identifying and measuring small stream impoundments and dams / Benjamin Swan in Transactions in GIS, Vol 24 n° 1 (February 2020)PermalinkCartographie sémantique hybride de scènes urbaines à partir de données image et Lidar / Mohamed Boussaha (2020)PermalinkFusion of 3D point clouds and hyperspectral data for the extraction of geometric and radiometric features of trees / Eduardo Alejandro Tusa Jumbo (2020)PermalinkDe l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)PermalinkMoving objects aware sensor mesh fusion for indoor reconstruction from a couple of 2D lidar scans / Teng Wu (2020)PermalinkPermalinkOn the adjustment, calibration and orientation of drone photogrammetry and laser-scanning / Emmanuel Clédat (2020)PermalinkOn the joint exploitation of optical and SAR satellite imagery for grassland monitoring / Anatol Garioud (2020)PermalinkRelevés par Lidar mobile de cours d’eau et intégration des profils aux relevés bathymétriques réalisés par sondeur mono-faisceau / Guillaume Didier (2020)PermalinkRestitution de profils verticaux de la distribution de gouttes de pluie à partir de mesures au sol et en altitude / Christophe Samboun (2020)PermalinkA versatile and efficient data fusion methodology for heterogeneous airborne LiDAR and optical imagery data acquired under unconstrained conditions / Thanh Huy Nguyen (2020)PermalinkUnsupervised classification of multispectral images embedded with a segmentation of panchromatic images using localized clusters / Ting Mao in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)PermalinkAutomated fusion of forest airborne and terrestrial point clouds through canopy density analysis / Wenxia Dai in ISPRS Journal of photogrammetry and remote sensing, vol 156 (October 2019)PermalinkA CNN-based subpixel level DSM generation approach via single image super-resolution / Yongjun Zhang in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 10 (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])PermalinkReview of mobile laser scanning target‐free registration methods for urban areas using improved error metrics / Hoang Long Nguyen in Photogrammetric record, vol 34 n° 167 (September 2019)PermalinkSentinel-2 sharpening using a reduced-rank method / Magnus Orn Ulfarsson in IEEE Transactions on geoscience and remote sensing, vol 57 n° 9 (September 2019)PermalinkCalculating potential evapotranspiration and single crop coefficient based on energy balance equation using Landsat 8 and Sentinel-2 / Ali Mokhtari in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)PermalinkImproving public data for building segmentation from Convolutional Neural Networks (CNNs) for fused airborne lidar and image data using active contours / David Griffiths in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)PermalinkUsing direct transformation approach as an alternative technique to fuse global digital elevation models with GPS/levelling measurements in Egypt / Hossam Talaat Elshambaky in Journal of applied geodesy, vol 13 n° 3 (July 2019)PermalinkExploring semantic elements for urban scene recognition: Deep integration of high-resolution imagery and OpenStreetMap (OSM) / Wenzhi Zhao in ISPRS Journal of photogrammetry and remote sensing, vol 151 (May 2019)PermalinkLearning high-level features by fusing multi-view representation of MLS point clouds for 3D object recognition in road environments / Zhipeng Luo in ISPRS Journal of photogrammetry and remote sensing, vol 150 (April 2019)Permalink3D hyperspectral point cloud generation: Fusing airborne laser scanning and hyperspectral imaging sensors for improved object-based information extraction / Maximilian Brell in ISPRS Journal of photogrammetry and remote sensing, vol 149 (March 2019)PermalinkPermalinkDétection et localisation d'objets 3D par apprentissage profond en topologie capteur / Pierre Biasutti (2019)PermalinkPermalinkFusion de sets de photos provenant de capteurs différents dans le domaine de l’archéologie / Hugo De Paulis (2019)PermalinkPermalinkMéthodes d'exploitation de données historiques pour la production de cartes d'occupation des sols à partir d'images de télédétection et en absence de données de référence de la période à cartographier / Benjamin Tardy (2019)PermalinkMultimodal scene understanding: algorithms, applications and deep learning, ch. 11. Decision fusion of remote-sensing data for land cover classification / Arnaud Le Bris (2019)PermalinkMultimodal scene understanding: algorithms, applications and deep learning, ch. 8. Multimodal localization for embedded systems: a survey / Imane Salhi (2019)PermalinkRecalage conjoint de données de cartographie mobile et de modèles 3D de bâtiments / Miloud Mezian (2019)PermalinkPermalinkPermalinkSegmentation d'image par intégration itérative de connaissances / Mahaman Sani Chaibou Salaou (2019)PermalinkTraitement d'images multispectrales et spatialisation des données pour la caractérisation de la matière organique des phases solides naturelles / Kevin Jacq (2019)PermalinkVision-based localization with discriminative features from heterogeneous visual data / Nathan Piasco (2019)PermalinkAncient Chinese architecture 3D preservation by merging ground and aerial point clouds / Xiang Gao in ISPRS Journal of photogrammetry and remote sensing, vol 143 (September 2018)Permalink