Centre de documentation
scientifique

Dépouillements

Susceptibilité aux glissements de terrain dans la ville d’Al Hoceima et sa périphérie : application de la méthode de la théorie de l’évidence / Taoufik Byou in Geomatica, vol 75 n° 1 (Mars 2021)  

Public [article]  inGeomatica > vol 75 n° 1 (Mars 2021) . - pp 1 - 27 Titre : Susceptibilité aux glissements de terrain dans la ville d’Al Hoceima et sa périphérie : application de la méthode de la théorie de l’évidence Type de document : Article/Communication Auteurs : Taoufik Byou, Auteur ; Khalid Obda, Auteur ; Ali Taous, Auteur ; Ilias Obda, Auteur Année de publication : 2021 Article en page(s) : pp 1 - 27 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] aléa [Termes IGN] analyse bivariée [Termes IGN] cartographie des risques [Termes IGN] effondrement de terrain [Termes IGN] Maroc [Termes IGN] modèle stochastique [Termes IGN] pondération [Termes IGN] Rif (Maroc) [Termes IGN] risque naturel [Termes IGN] ville Résumé : (auteur) Le Rif Marocain en général et la ville d’Al Hoceima et sa périphérie urbaine, plus particulièrement, connaissent fréquemment des aléas géomorphologiques, notamment les glissements de terrain qui entravent la gestion urbaine. Ce type d’aléa naturel est de grande actualité, aussi bien sur le plan scientifique que sur le plan médiatique, à cause de l’augmentation de la vulnérabilité, en raison de circonstances de changements globaux (réchauffements climatiques) et à la forte urbanisation, souvent irrationnelle. L’objectif de cet article est la mise en place d’une approche objective visant l’évaluation de la susceptibilité aux glissements de terrain dans la ville d’Al Hoceima et sa périphérie. La théorie de l’évidence, qui est une méthode probabiliste bivariée, est fondée sur les règles de Bayes qui consistent à calculer la probabilité d’occurrence spatiale de glissements de terrain, en se basant sur la notion de probabilité à priori et de probabilité à posteriori, tout en considérant les glissements de terrain comme variable à modéliser et chaque facteur causatif comme variable prédictive. Le but de ce travail est de procéder à un zonage d’aléa glissement de terrain tout en assurant une bonne prédiction de ce phénomène avec une bonne résolution spatiale. Les résultats de la courbe de ROC (receiver operating characteristic) montre que la confrontation de la carte de susceptibilité, des glissements de terrain à la carte d’inventaire, permet une capacité de prédiction considérable (area under curve, AUC = 0,889). Ceci pousse au constat selon lequel, plus de deux tiers des glissements de terrain inventoriés s’inscrivent dans des classes de susceptibilité élevée et très élevée. Ce produit cartographique peut constituer un puissant outil d’aide permettant la formulation de suggestions, dans le but d’optimiser l’évaluation du risque de glissements de terrain dans les zones exposées à ce phénomène. Numéro de notice : A2021-607 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1139/geomat-2019-0025 En ligne : https://doi.org/10.1139/geomat-2019-0025 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98321 [article]

Using geometric constraints to improve performance of image classifiers for automatic segmentation of traffic signs / Roholah Yazdan in Geomatica, vol 75 n° 1 (Mars 2021)  

Public [article]  inGeomatica > vol 75 n° 1 (Mars 2021) . - pp 28 - 50 Titre : Using geometric constraints to improve performance of image classifiers for automatic segmentation of traffic signs Type de document : Article/Communication Auteurs : Roholah Yazdan, Auteur ; Masood Varshosaz, Auteur ; Saied Pirasteh, Auteur ; Fabio Remondino, Auteur Année de publication : 2021 Article en page(s) : pp 28 - 50 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] contrainte géométrique [Termes IGN] espace colorimétrique [Termes IGN] programmation par contraintes [Termes IGN] signalisation routière Résumé : (auteur) Automatic detection and recognition of traffic signs from images is an important topic in many applications. At first, we segmented the images using a classification algorithm to delineate the areas where the signs are more likely to be found. In this regard, shadows, objects having similar colours, and extreme illumination changes can significantly affect the segmentation results. We propose a new shape-based algorithm to improve the accuracy of the segmentation. The algorithm works by incorporating the sign geometry to filter out the wrong pixels from the classification results. We performed several tests to compare the performance of our algorithm against those obtained by popular techniques such as Support Vector Machine (SVM), K-Means, and K-Nearest Neighbours. In these tests, to overcome the unwanted illumination effects, the images are transformed into colour spaces Hue, Saturation, and Intensity, YUV, normalized red green blue, and Gaussian. Among the traditional techniques used in this study, the best results were obtained with SVM applied to the images transformed into the Gaussian colour space. The comparison results also suggested that by adding the geometric constraints proposed in this study, the quality of sign image segmentation is improved by 10%–25%. We also comparted the SVM classifier enhanced by incorporating the geometry of signs with a U-Shaped deep learning algorithm. Results suggested the performance of both techniques is very close. Perhaps the deep learning results could be improved if a more comprehensive data set is provided. Numéro de notice : A2021-608 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1139/geomat-2020-0010 En ligne : https://doi.org/10.1139/geomat-2020-0010 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98322 [article]