Détail de l'autorité
|
GeoSud /
Nom :
GeoSud
titre complet :
Infrastructure nationale d'imagerie satellitaire pour la recherche sur l'environnement et les territoires et ses applications à la gestion et aux politiques publiques
URL du projet :
|
Documents disponibles (6)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesFast unsupervised multi-scale characterization of urban landscapes based on Earth observation data / Claire Teillet in Remote sensing, vol 13 n° 12 (June-2 2021)
Titre : Fast unsupervised multi-scale characterization of urban landscapes based on Earth observation data Type de document : Article/Communication Auteurs : Claire Teillet, Auteur ; Benjamin Pillot, Auteur ; Thibault Catry, Auteur ; Laurent Demagistri, Auteur ; Dominique Lyszczarz, Auteur ; Marc Lang, Auteur ; Pierre Couteron, Auteur ; Nicolas Barbier, Auteur ; Arsène Adou Kouassi, Auteur ; Quentin Gunther Année de publication : 2021 Projets : GeoSud / , TOSCA / Article en page(s) : n° 2398 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] Brasilia
[Termes IGN] caractérisation
[Termes IGN] Côte d'Ivoire
[Termes IGN] empreinte
[Termes IGN] image Pléiades-HR
[Termes IGN] image Sentinel-MSI
[Termes IGN] paysage urbain
[Termes IGN] texture d'image
[Termes IGN] zone urbaineRésumé : (auteur) Most remote sensing studies of urban areas focus on a single scale, using supervised methodologies and very few analyses focus on the “neighborhood” scale. The lack of multi-scale analysis, together with the scarcity of training and validation datasets in many countries lead us to propose a single fast unsupervised method for the characterization of urban areas. With the FOTOTEX algorithm, this paper introduces a texture-based method to characterize urban areas at three nested scales: macro-scale (urban footprint), meso-scale (“neighbourhoods”) and micro-scale (objects). FOTOTEX combines a Fast Fourier Transform and a Principal Component Analysis to convert texture into frequency signal. Several parameters were tested over Sentinel-2 and Pleiades imagery on Bouake and Brasilia. Results showed that a single Sentinel-2 image better assesses the urban footprint than the global products. Pleiades images allowed discriminating neighbourhoods and urban objects using texture, which is correlated with metrics such as building density, built-up and vegetation proportions. The best configurations for each scale of analysis were determined and recommendations provided to users. The open FOTOTEX algorithm demonstrated a strong potential to characterize the three nested scales of urban areas, especially when training and validation data are scarce, and computing resources limited. Numéro de notice : A2021-505 Affiliation des auteurs : ENSG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE/INFORMATIQUE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs13122398 Date de publication en ligne : 19/06/2021 En ligne : https://doi.org/10.3390/rs13122398 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98125
in Remote sensing > vol 13 n° 12 (June-2 2021) . - n° 2398[article]
Titre : Urban morpho-types classification from SPOT-6/7 imagery and Sentinel-2 time series Type de document : Article/Communication Auteurs : Arnaud Le Bris Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2019 Projets : GeoSud / Conférence : JURSE 2019, Joint Urban Remote Sensing Event 22/05/2019 24/05/2019 Vannes France Proceedings IEEE Importance : 4 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] morphologie urbaine
[Termes IGN] série temporelle
[Termes IGN] zone urbaineRésumé : (auteur) This paper aims at detecting several urban morpho-type classes out of SPOT-6/7 imagery and Sentinel-2 time series. Urban classes of Urban Atlas are considered. The proposed strategy is a bottom-up one. It first detects basic urban objects (buildings, roads, vegetation), and use them to calculate multi-scale morphological features. These features are then fed to a Random Forest classifier trained from samples out of Urban Atlas urban classes. Obtained results is optionally merged with a Random Forest classification based on Sentinel-2 time series. Obtained results are promising. Numéro de notice : C2019-004 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Autre URL associée : vers HAL Thématique : IMAGERIE/URBANISME Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/JURSE.2019.8808988 Date de publication en ligne : 22/08/2019 En ligne : https://doi.org/10.1109/JURSE.2019.8808988 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92209
Titre : Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine Type de document : Article/Communication Auteurs : Cyril Wendl, Auteur ; Arnaud Le Bris Année de publication : 2018 Projets : GeoSud / Article en page(s) : pp 87 - 97 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification pixellaire
[Termes IGN] contraste local
[Termes IGN] détection du bâti
[Termes IGN] fusion d'images
[Termes IGN] image multibande
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] régularisation
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation d'image
[Termes IGN] surface imperméableRésumé : (auteur) La fusion d'images multispectrales à très haute résolution spatiale (THR) avec des séries temporelles d'images moins résolues spatialement mais comportant plus de bandes spectrales permet d'améliorer la classification de l'occupation du sol. Elle permet en effet de tirer le meilleur parti des points forts, respectivement, géométriques et sémantiques de ces deux sources. Le travail proposé ici s'intéresse à un processus d'extraction automatique de la tache urbaine fondé sur la fusion tardive de classifications obtenues respectivement à partir d'images satellitaires Sentinel-2 et SPOT 6/7. Ces deux sources sont d'abord analysées indépendamment selon 5 classes, respectivement par Forêt Aléatoire et réseaux de neurones convolutifs. Les résultats sont alors fusionnés afin d'extraire les bâtiments le plus finement possible. Cette étape de fusion inclut une fusion au niveau pixellaire, suivie d'une étape de régularisation spatiale intégrant un terme lié au contraste de l'image. Le résultat obtenu connaît ensuite une seconde fusion afin d'en déduire la-tache urbaine en elle-même : une mesure a priori de zone urbaine est calculée à partir des objets bâtiments détectés au préalable, puis fusionnée avec une classification binaire dérivée de la classification originale des données Sentinel-2. Les résultats montrent bien la complémentarité des deux sources de données ainsi que la pertinence de l'adoption d'une stratégie de fusion tardive. Numéro de notice : A2018-512 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2018.415 En ligne : https://doi.org/10.52638/rfpt.2018.415 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91266
in Revue Française de Photogrammétrie et de Télédétection > n° 217-218 (juin - septembre 2018) . - pp 87 - 97[article]
Titre : Fusion tardive d’images SPOT-6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine Type de document : Article/Communication Auteurs : Cyril Wendl, Auteur ; Arnaud Le Bris Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : GeoSud / Conférence : CFPT 2018, Conférence Française de Photogrammétrie et de Télédétection 25/06/2018 28/06/2018 Champs-sur-Marne France Open Access Proceedings Importance : 8 p. Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] bati
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification pixellaire
[Termes IGN] extraction automatique
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] occupation du sol
[Termes IGN] réseau neuronal convolutif
[Termes IGN] tachèle
[Termes IGN] zone urbaineRésumé : (auteur) La fusion d’images multispectrales à très haute résolution spatiale (THR) avec des séries temporelles d’images moins résolues spatialement mais comportant plus de bandes spectrales permet d’améliorer la classification de l’occupation du sol. Elle tire en effet le meilleur parti des points forts géométriques et sémantiques de ces deux sources. Ce travail s’intéresse à un processus d’extraction automatique de la tache urbaine fondé sur la fusion tardive de classifications calculées respectivement à partir d’images satellitaires Sentinel-2 et SPOT-6/7. Ces deux sources sont d’abord classées indépendamment selon 5 classes, respectivement par forêts aléatoires et réseaux de neurones convolutifs. Les résultats sont alors fusionnés afin d’extraire les bâtiments le plus finement possible. Cette étape de fusion inclut une fusion au niveau pixellaire suivie d’une étape de régularisation spatiale intégrant un terme lié au contraste de l’image. Le résultat obtenu connaît ensuite une seconde fusion afin d’en déduire la tache urbaine : une mesure a priori de se trouver en zone urbaine est calculée à partir des objets bâtiments détectés précédemment et fusionnée avec une classification binaire dérivée de la classification originale des données Sentinel-2. Numéro de notice : C2018-010 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans Date de publication en ligne : 25/06/2018 En ligne : https://rfiap2018.ign.fr/sites/default/files/ARTICLES/CFPT2018/Oraux/CFPT2018_pa [...] Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90381 Documents numériques
en open access
Fusion tardive d’images SPOT-6/7 - pdf éditeurAdobe Acrobat PDF
Titre : Superpixel partitioning of very high resolution satellite images for large-scale classification perspectives with deep convolutional neural networks Type de document : Article/Communication Auteurs : Tristan Postadjian Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : GeoSud / Conférence : IGARSS 2018, IEEE International Geoscience And Remote Sensing Symposium, observing, understanding and forecasting the dynamics of our planet 22/07/2018 27/07/2018 Valencia Espagne Proceedings IEEE Importance : pp 1328 - 1331 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] base de données topographiques
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification pixellaire
[Termes IGN] image à très haute résolution
[Termes IGN] image infrarouge
[Termes IGN] image RVB
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation d'imageRésumé : (auteur) Supervised classification is the fundamental task for landcover map generation. Deep neural networks recently outperformed other state-of-the-art classifiers in many machine learning challenges, from semantic segmentation to speech recognition. Such strategies are now commonly employed in the literature for the purpose of land-cover mapping. This paper develops the strategy for the use of deep networks to label very high resolution satellite images, with the perspective of mapping regions at country scale. Therefore, a superpixel based method is introduced in order to (i) ensure correct delineation of objects and (ii) perform the classification in a dense way but with decent computing times. Numéro de notice : C2018-056 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2018.8519222 Date de publication en ligne : 05/11/2018 En ligne : https://doi.org/10.1109/IGARSS.2018.8519222 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91370
