Descripteur
Termes IGN > imagerie
imagerie
Commentaire :
Terme regroupant photographies et images issues de différents capteurs.
|
Documents disponibles dans cette catégorie (7998)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Titre : Image processing in agriculture and forestry Type de document : Monographie Auteurs : Gonzalo Pajares Martinsanz, Éditeur scientifique ; Francisco Rovira-Más, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2018 Importance : 222 p. Format : 17 x 25 cm ISBN/ISSN/EAN : 9783038970972 9783038970989 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] biomasse aérienne
[Termes IGN] changement d'occupation du sol
[Termes IGN] chlorophylle
[Termes IGN] couvert forestier
[Termes IGN] image captée par drone
[Termes IGN] image hyperspectrale
[Termes IGN] indice de végétation
[Termes IGN] indice foliaire
[Termes IGN] instrument embarqué
[Termes IGN] phénologie
[Termes IGN] positionnement en intérieur
[Termes IGN] reconstruction 3D
[Termes IGN] teneur en eau de la végétation
[Termes IGN] traitement automatique de données
[Termes IGN] vision par ordinateurRésumé : (édition) Image processing in agriculture and forestry represents a challenge towards the automation of tasks for better performances. Agronomists, computer and robotics engineers, and agricultural machinery industry manufacturers now have at their disposal a book containing a collection of methods, procedures, designs, and descriptions at the technological forefront, which serves as an important support and aid for the implementation and development of their own ideas.The book describes: (1) Applications (canopy on trees, aboveground biomass, phenotyping, chlorophyll, leaf area index, water and nutrient content, land cover change, soil properties, and secure autonomous navigation); (2) Imaging devices onboard robots, unmanned aerial vehicles (UAVs), and satellites operating at different spectral ranges (visible, infrared, hyper-multispectral bands, and radar), as well as guidelines for selecting machine vision systems in outdoor environments; and (3) (Specific computer vision methods (generic and convolutional neural networks, machine learning, specific segmentation approaches, vegetation indices, and three-dimensional (3D) reconstruction). Note de contenu : Preface
1- Machine-vision systems selection for agricultural vehicles
2- Precise navigation of small agricultural robots in sensitive areas with a smart plant camera
3- Using deep learning to challenge safety standard for highly autonomous machines in agriculture
4- 3D reconstruction of plant/tree canopy using monocular and binocular vision
5- Peach flower monitoring using aerial multispectral imaging
6- Early yield prediction using image analysis of apple fruit and tree canopy features with neural networks
7- Non-parametric retrieval of aboveground biomass in Siberian boreal forests with ALOS PALSAR interferometric coherence and backscatter intensity
8- Imaging for high-throughput phenotyping in energy sorghum
9- Viewing geometry sensitivity of commonly used vegetation indices towards the estimation of biophysical variables in orchards
10- Estimating mangrove biophysical variables using WorldView-2 satellite data: Rapid creek, Northern Territory, Australia
11- Land cover change image analysis for Assateague Island National Seashore following hurricane Sandy
12- Automated soil physical parameter assessment using smartphone and digital camera imageryNuméro de notice : 25921 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Monographie En ligne : https://doi.org/10.3390/books978-3-03897-098-9 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96137
Titre : Imagerie radar en ondes millimétriques appliquée à la viticulture Type de document : Thèse/HDR Auteurs : Dominique Henry, Auteur ; Hervé Aubert, Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2018 Importance : 212 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, spécialité : Electromagnétisme et Systèmes Haute FréquenceLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] agriculture de précision
[Termes IGN] données GPS
[Termes IGN] estimation quantitative
[Termes IGN] géolocalisation
[Termes IGN] image multibande
[Termes IGN] image radar
[Termes IGN] Leaf Area Index
[Termes IGN] logistique
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] optimisation (gestion)
[Termes IGN] optimisation (mathématiques)
[Termes IGN] parcelle agricole
[Termes IGN] pesticide
[Termes IGN] rendement agricole
[Termes IGN] ressources humaines
[Termes IGN] rétrodiffusion
[Termes IGN] stress hydrique
[Termes IGN] viticulture
[Termes IGN] volume (grandeur)Index. décimale : THESE Thèses et HDR Résumé : (auteur) Avec l’expansion des exploitations agricoles, le principe d’homogénéité du rendement (céréales, fruits…) devient de moins en moins pertinent. Ce phénomène de variabilité spatiale implique des conséquences économiques et environnementales avec le développement de nouveaux concepts agricoles comme les « site-specific management » (gestion spécifique des parcelles). Les traitements tels que les fertilisants, les intrants et autres pesticides doivent être utilisés de manière différente en les appliquant au bon endroit, à la bonne période et au bon taux. Cette nouvelle façon de penser l’agriculture fait partie de l’agriculture de précision (PA) et se concentre en quatre domaines technologiques : (i) la télédétection, (ii) la navigation et guidage, (iii) la gestion des données et (iv) les technologies à taux variable. Initiée à la fin des années 1990, la viticulture de précision (PV) est une branche particulière de la PA, caractérisée par des problématiques spécifiques à la viticulture. Les travaux effectués durant cette thèse entrent dans le cadre de la télédétection (ou détection proche) appliquée à la PV. Ils se focalisent sur une nouvelle méthode d’estimation de la quantité de grappes (masse ou volume) directement sur les plants de vignes. Pouvoir estimer le rendement des vignes plusieurs semaines avant la récolte offre de nombreux avantages avec des impacts économiques et qualitatifs, avec par exemple : (i) l’amélioration du rapport rendement/qualité en supprimant au plut tôt une partie de la récolte, (ii) l’optimisation des ressources humaines et la logistique à la récolte, (iii) un remboursement le plus équitable par les assurances en cas d’intempéries qui endommageraient les pieds de vignes. La méthode proposée ici repose sur l’imagerie microondes (à 24GHz ou des fréquences plus élevées) générée par un radar FM-CW. Elle implique la mise en place d’un système d’interrogation intra-parcellaire « pied par pied » à distance basé au sol, et en particulier : (i) l’évaluation de la précision des mesures et les limites du système, (ii) le développement d’algorithmes spécifiques pour l’analyse de données tridimensionnelles, (iii) la construction d’estimateurs pour retrouver le volume des grappes, et finalement (iv) l’analyse des données recueillies pendant les campagnes de mesures. Dû au caractère saisonnier des récoltes, les mesures sont en premier lieu effectuées sur des cibles canoniques, des charges variables et des capteurs passifs en laboratoire. Pour mettre en avant la flexibilité de cette interrogation radar, le même système est utilisé en parallèlement dans le cadre du projet régional PRESTIGE, pour compter à distance le nombre de pommes présentes sur les pommiers en verger. Ces travaux ont été financés par l’entreprise Ovalie-Innovation et l’ANRT (Agence Nationale de la Recherche Technologique). Note de contenu : Introduction générale
1- Agriculture de précision
2- Viticulture de précision
3- Application pour l’estimation de volumes et l’interrogation de capteurs passifs
Conclusion généraleNuméro de notice : 25755 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Electromagnétisme et Systèmes Haute Fréquence : Toulouse : 2018 Organisme de stage : Laboratoire d'Analyse et d'Architecture des Systèmes nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2018INPT0044 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94953 Un inventaire forestier multisource pour la gestion des territoires / Dinesh Babu Irulappa-Pillai-Vijayakumar (2018)
![]()
contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne, France) (2018)
Titre : Un inventaire forestier multisource pour la gestion des territoires Type de document : Article/Communication Auteurs : Dinesh Babu Irulappa-Pillai-Vijayakumar , Auteur ; Jean-Pierre Renaud
, Auteur ; François Morneau
, Auteur ; Cédric Vega
, Auteur
Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : DIABOLO / Packalen, Tuula Conférence : Journées Recherche de l'IGN 2018, 27es Journées 22/03/2018 23/03/2018 Champs-sur-Marne France programme sans actes Langues : Français (fre) Descripteur : [Termes IGN] carte forestière
[Termes IGN] Centre (France administrative)
[Termes IGN] données de terrain
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données multisources
[Termes IGN] estimation statistique
[Termes IGN] image aérienne
[Termes IGN] image Landsat-TM
[Termes IGN] indice de végétation
[Termes IGN] inférence statistique
[Termes IGN] inventaire forestier (techniques et méthodes)
[Termes IGN] modèle numérique de terrain
[Termes IGN] Orléans, forêt domaniale d' (Loiret)
[Termes IGN] plus proche voisin, algorithme du
[Vedettes matières IGN] Inventaire forestierRésumé : (Auteur) L’inventaire forestier national permet d’obtenir un portrait précis de l’état des forêts de France métropolitaine. Mais l’échantillon de points est rapidement trop faible pour fournir des estimations statistiques ayant la précision nécessaire à l’échelle des territoires, où s’exercent les décisions. Les méthodes d’inventaire forestier multisource ont été développées afin de résoudre ce problème, sur des territoires circonscrits, en associant aux mesures de terrain des données auxiliaires, généralement issues de la télédétection. Le projet IFM-GT vise à développer et adapter un tel système d’inventaire forestier multisource en France. Ses sorties pourront contribuer à l’élaboration de stratégies de gestion pour des territoires forestiers particuliers, dans le cadre d’étude de ressources, par exemple. Le système s’appuie sur les mesures terrain de l’inventaire, la carte forestière, des images de télédétection 2D et 3D, et des méthodes statistiques de type k plus proches voisins (k-nn). Cette présentation introduira les concepts d’inventaire multisource et présentera la méthodologie développée et testée sur un territoire forestier de la région Centre. Numéro de notice : C2018-033 Affiliation des auteurs : LIF+Ext (2012-2019) Thématique : FORET Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91131 Documents numériques
peut être téléchargé
Un inventaire forestier multisource... - diaporama de présentationAdobe Acrobat PDFLearning multiscale deep features for high-resolution satellite image scene classification / Qingshan Liu in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)
![]()
[article]
Titre : Learning multiscale deep features for high-resolution satellite image scene classification Type de document : Article/Communication Auteurs : Qingshan Liu, Auteur ; Renlong Hang, Auteur ; Huihui Song, Auteur ; Zhi Li, Auteur Année de publication : 2018 Article en page(s) : pp 117 - 126 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] classification
[Termes IGN] image satellite
[Termes IGN] méthode fondée sur le noyau
[Termes IGN] réseau neuronal convolutifRésumé : (Auteur) In this paper, we propose a multiscale deep feature learning method for high-resolution satellite image scene classification. Specifically, we first warp the original satellite image into multiple different scales. The images in each scale are employed to train a deep convolutional neural network (DCNN). However, simultaneously training multiple DCNNs is time-consuming. To address this issue, we explore DCNN with spatial pyramid pooling (SPP-net). Since different SPP-nets have the same number of parameters, which share the identical initial values, and only fine-tuning the parameters in fully connected layers ensures the effectiveness of each network, thereby greatly accelerating the training process. Then, the multiscale satellite images are fed into their corresponding SPP-nets, respectively, to extract multiscale deep features. Finally, a multiple kernel learning method is developed to automatically learn the optimal combination of such features. Experiments on two difficult data sets show that the proposed method achieves favorable performance compared with other state-of-the-art methods. Numéro de notice : A2018-185 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2017.2743243 Date de publication en ligne : 13/09/2017 En ligne : https://doi.org/10.1109/TGRS.2017.2743243 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89842
in IEEE Transactions on geoscience and remote sensing > vol 56 n° 1 (January 2018) . - pp 117 - 126[article]Localisation d'objets urbains à partir de sources multiples dont des images aériennes / Lionel Pibre (2018)
![]()
Titre : Localisation d'objets urbains à partir de sources multiples dont des images aériennes Type de document : Thèse/HDR Auteurs : Lionel Pibre, Auteur ; Marc Chaumont, Auteur Editeur : Montpellier : Université de Montpellier Année de publication : 2018 Importance : 143 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université de Montpellier en InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] collectivité territoriale
[Termes IGN] diffusion de l'information
[Termes IGN] données multicapteurs
[Termes IGN] données multisources
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] fusion de données
[Termes IGN] image aérienne
[Termes IGN] reconnaissance d'objets
[Termes IGN] segmentation sémantique
[Termes IGN] séparateur à vaste marge
[Termes IGN] télédétection
[Termes IGN] urbanisme
[Termes IGN] zone urbaineIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Cette thèse aborde des problèmes liés à la localisation et la reconnaissance d’objets urbains dans des images multi-sources (optique, infrarouge, Modèle Numérique de Surface) de très haute précision acquises par voie aérienne.Les objets urbains (lampadaires, poteaux, voitures, arbres…) présentent des dimensions, des formes, des textures et des couleurs très variables. Ils peuvent être collés les uns les autres et sont de petite taille par rapport à la dimension d’une image. Ils sont présents en grand nombre mais peuvent être partiellement occultés. Tout ceci rend les objets urbains difficilement identifiables par les techniques actuelles de traitement d’images.Dans un premier temps, nous avons comparé les approches d’apprentissage classiques, composées de deux étapes - extraction de caractéristiques par le biais d’un descripteur prédéfini et utilisation d’un classifieur - aux approches d’apprentissage profond (Deep Learning), et plus précisément aux réseaux de neurones convolutionnels (CNN). Les CNN donnent de meilleurs résultats mais leurs performances ne sont pas suffisantes pour une utilisation industrielle. Nous avons donc proposé deux améliorations.Notre première contribution consiste à combiner de manière efficace les données provenant de sources différentes. Nous avons comparé une approche naïve qui consiste à considérer toutes les sources comme des composantes d’une image multidimensionnelle à une approche qui réalise la fusion des informations au sein même du CNN. Pour cela, nous avons traité les différentes informations dans des branches séparées du CNN. Nous avons ainsi montré que lorsque la base d’apprentissage contient peu de données, combiner intelligemment les sources dans une phase de pré-traitement (nous combinons l'optique et l'infrarouge pour créer une image NDVI) avant de les donner au CNN améliore les performances.Pour notre seconde contribution, nous nous sommes concentrés sur le problème des données incomplètes. Jusque-là, nous considérions que nous avions accès à toutes les sources pour chaque image mais nous pouvons aussi nous placer dans le cas où une source n’est pas disponible ou utilisable pour une image. Nous avons proposé une architecture permettant de prendre en compte toutes les données, même lorsqu’il manque une source sur une ou plusieurs images. Nous avons évalué notre architecture et montré que sur un scénario d’enrichissement, cette architecture permet d'obtenir un gain de plus de 2% sur la F-mesure.Les méthodes proposées ont été testées sur une base de données publique. Elles ont pour objectif d’être intégrées dans un logiciel de la société Berger-Levrault afin d’enrichir les bases de données géographiques et ainsi faciliter la gestion du territoire par les collectivités locales. Note de contenu : 1- Introduction
2- Etat de l'art
3- Comparaison entre des méthodes d’apprentissage automatique classiques et du deep learning
4- Fusion des données
5- Données incomplètes et réseau de neurones convolutionnels
6- Conclusions et perspectivesNuméro de notice : 25785 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Montpellier : 2018 Organisme de stage : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier) / société Berger-Levrault nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2018MONTS107 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94985 Machine learning and pose estimation for autonomous robot grasping with collaborative robots / Victor Talbot (2018)
PermalinkMapping grassland management intensity using Sentinel-2 satellite data / Marijke Elisabeth Bekkema in GI Forum, vol 2018 n° 1 ([01/01/2018])
PermalinkMise en évidence de l’activité récente des failles du bassin de Naryn (Kyrgyzstan) à partir de données photogrammétriques Pléiades et drone : un nouvel apport pour l’aléa sismique / Aurélie Médard (2018)
PermalinkModélisation spatio-temporelle multi-niveau à base d'ontologies pour le suivi de la dynamique en imagerie satellitaire / Fethi Ghazouani (2018)
PermalinkPermalinkMultiobjective subpixel land-cover mapping / Ailong Ma in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)
PermalinkOn the production of semantic and textured 3D meshes of large scale urban environments from mobile mapping images and LIDAR scans / Mohamed Boussaha (2018)
![]()
PermalinkPermalinkPotential and limits of Sentinel-1 data for small alpine glaciers monitoring / Matthias Jauvin (2018)
PermalinkPermalinkQGIS in Remote Sensing, Volume 2. QGIS and applications in agriculture and forest / Nicolas Baghdadi (2018)
PermalinkQGIS in Remote Sensing, Volume 4. QGIS and Applications in Water and Risks / Nicolas Baghdadi (2018)
PermalinkRectified feature matching for spherical panoramic images / Tzu-Yi Chuang in Photogrammetric Engineering & Remote Sensing, PERS, vol 84 n° 1 (January 2018)
PermalinkRéseaux de neurones convolutionnels profonds pour la détection de petits véhicules en imagerie aérienne / Jean Ogier du Terrail (2018)
PermalinkPermalinkSatellite remote sensing of the variability of the continental hydrology cycle in the lower Mekong basin over the last two decades / Binh Pham-Duc (2018)
PermalinkSentinel-2 data analysis and comparison with UAV multispectral images for precision viticulture / Frederica Nonni in GI Forum, vol 2018 n° 1 ([01/01/2018])
PermalinkSentinel-2 level-1 calibration and validation status from the mission performance centre / Catherine Bouzinac (2018)
PermalinkPermalinkA stixel approach for enhancing semantic image segmentation using prior map information / Sylvain Jonchery (2018)
PermalinkA study of the influence of the historical snow accumulation and wind effects on the extended Chajnantor plateau / Juliette Ortet (2018)
PermalinkPermalinkSuivi des cultures dans le périmètre du Loukkos-Maroc : Apport de la télédétection radar et optique / Siham Acharki (2018)
PermalinkSuivi écologique des prairies semi-naturelles : analyse statistique de séries temporelles denses d’images satellite à haute résolution spatiale / Maylis Lopes (2018)
PermalinkSuivi des impacts d’un arasement de barrage sur la végétation riveraine par télédétection à très haute résolution spatiale et temporelle / Marianne Laslier (2018)
PermalinkSuperpixel partitioning of very high resolution satellite images for large-scale classification perspectives with deep convolutional neural networks / Tristan Postadjian (2018)
PermalinkSynergie des données Sentinel optiques et radar pour l’observation et l’analyse de la végétation du littoral du Pays de Brest / Antoine Billey (2018)
PermalinkTélédétection multispectrale et hyperspectrale des eaux littorales turbides / Morgane Larnicol (2018)
PermalinkA temperature and vegetation adjusted NTL urban index for urban area mapping and analysis / Xiya Zhang in ISPRS Journal of photogrammetry and remote sensing, vol 135 (January 2018)
PermalinkTERRISCOPE, une nouvelle plateforme mutualisée de recherche en télédétection optique à partir d’avions et de drones / Yannick Boucher (2018)
PermalinkTesting, analysis and improvement of FGI-NLS Sentinel-2 data processing chain for land use applications / Emile Blettery (2018)
PermalinkPermalinkPermalinkPermalinkToward a systematic integration of optical remote sensing for inland waters studies / Vincent Maurice Nouchi (2018)
PermalinkPermalinkUse of satellite image classifications to update and enhance a land cover database / Mohamed Touiti (2018)
PermalinkUtilisation de QGIS en télédétection, Ch. 2. Apports du MNT topo-bathymétrique pour l'évolution bio-géomorphologique des marais d'Ichkeul (Tunisie) / Zeineb Kassouk (2018)
PermalinkUtilisation de QGIS en télédétection, ch. 6. Cartographie de la végétation à partir d'images radar Sentinel-1 / Pierre-Louis Frison (2018)
PermalinkUtilisation de QGIS en télédétection, Volume 2. QGIS et applications en agriculture et forêt / Nicolas Baghdadi (2018)
PermalinkUtilisation de QGIS en télédétection, Volume 4. QGIS et applications en eau et risques / Nicolas Baghdadi (2018)
PermalinkUtilisation des réseaux de capteurs Géocubes pour la mesure de déformation des volcans en temps réel par GNSS / Mohamed-Amjad Lasri (2018)
PermalinkAbove-bottom biomass retrieval of aquatic plants with regression models and SfM data acquired by a UAV platform – A case study in Wild Duck Lake Wetland, Beijing, China / Ran Jing in ISPRS Journal of photogrammetry and remote sensing, vol 134 (December 2017)
PermalinkAn effective ensemble classification framework using random forests and a correlation based feature selection technique / Dibyajyoti Chutia in Transactions in GIS, vol 21 n° 6 (December 2017)
PermalinkArea-based estimation of growing stock volume in Scots pine stands using ALS and airborne image-based point clouds / Paweł Hawryło in Forestry, an international journal of forest research, vol 90 n° 5 (December 2017)
PermalinkBuilding extraction from fused LiDAR and hyperspectral data using Random Forest Algorithm / Saeid Parsian in Geomatica, vol 71 n° 4 (December 2017)
PermalinkComparison of Landsat-8, ASTER and Sentinel 1 satellite remote sensing data in automatic lineaments extraction: A case study of Sidi Flah-Bouskour inlier, Moroccan Anti Atlas / Zakaria Adiri in Advances in space research, vol 60 n° 11 (1 December 2017)
PermalinkComplex-valued convolutional neural network and its application in polarimetric SAR image classification / Zhimian Zhang in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)
PermalinkEnhanced MODIS atmospheric total water vapour content trends in response to Arctic amplification / Dunya Alraddawi in Atmosphere, vol 8 n° 12 (December 2017)
PermalinkEstimating stand density, biomass and tree species from very high resolution stereo-imagery – towards an all-in-one sensor for forestry applications? / Fabian E. Fassnacht in Forestry, an international journal of forest research, vol 90 n° 5 (December 2017)
PermalinkEstimation and mapping of above-ground biomass of mangrove forests and their replacement land uses in the Philippines using Sentinel imagery / Jose Alan A. Castillo in ISPRS Journal of photogrammetry and remote sensing, vol 134 (December 2017)
PermalinkHigh-resolution aerial image labeling with convolutional neural networks / Emmanuel Maggiori in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)
PermalinkIdentification of rainwater harvesting sites using SCS-CN methodology, remote sensing and Geographical Information System techniques / Tarun Kumar in Geocarto international, vol 32 n° 12 (December 2017)
PermalinkInSAR data for geohazard assessment in UNESCO World Heritage sites: state-of-the-art and perspectives in the Copernicus era / Deodato Tapete in International journal of applied Earth observation and geoinformation, vol 63 (December 2017)
PermalinkInSAR to support sustainable urbanization over compacting aquifers: The case of Toluca Valley, Mexico / Pascal Castellazzi in International journal of applied Earth observation and geoinformation, vol 63 (December 2017)
PermalinkLarge-scale block adjustment without use of ground control points based on the compensation of geometric calibration for ZY-3 images / Yang Bo in ISPRS Journal of photogrammetry and remote sensing, vol 134 (December 2017)
PermalinkLearning aggregated features and optimizing model for semantic labeling / Jianhua Wang in The Visual Computer, vol 33 n° 12 (December 2017)
PermalinkMapping and estimating land change between 2001 and 2013 in a heterogeneous landscape in West Africa: Loss of forestlands and capacity building opportunities / Hèou Maléki Badjana in International journal of applied Earth observation and geoinformation, vol 63 (December 2017)
PermalinkMultilayer projective dictionary pair learning and sparse autoencoder for PolSAR image classification / Yanqiao Chen in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)
PermalinkMultimorphological superpixel model for hyperspectral image classification / Tianzhu Liu in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)
PermalinkOpen land cover from OpenStreetMap and remote sensing / Michael Schultz in International journal of applied Earth observation and geoinformation, vol 63 (December 2017)
PermalinkPer-pixel bias-variance decomposition of continuous errors in data-driven geospatial modeling : A case study in environmental remote sensing / Jing Gao in ISPRS Journal of photogrammetry and remote sensing, vol 134 (December 2017)
PermalinkSingle image dehazing via an improved atmospheric scattering model / Mingye Ju in The Visual Computer, vol 33 n° 12 (December 2017)
PermalinkStand-level wind damage can be assessed using diachronic photogrammetric canopy height models / Jean-Pierre Renaud in Annals of Forest Science, vol 74 n° 4 (December 2017)
PermalinkThorough statistical comparison of machine learning regression models and their ensembles for sub-pixel imperviousness and imperviousness change mapping / Wojciech Drzewiecki in Geodesy and cartography, vol 66 n° 2 (December 2017)
PermalinkTracking the relationship between changing skyline and population growth of an Indian megacity using earth observation technology / Joy Sanyal in Geocarto international, vol 32 n° 12 (December 2017)
PermalinkUnsupervised-restricted deconvolutional neural network for very high resolution remote-sensing image classification / Yiting Tao in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)
PermalinkUse of unsupervised classification for the determination of prevailing land use typology / Miha Konjar in Geodetski vestnik, vol 61 n° 4 (December 2017 - February 2018)
PermalinkA batch-mode regularized multimetric active learning framework for classification of hyperspectral images / Zhou Zhang in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)
PermalinkBayesian data combination for the estimation of ionospheric effects in SAR interferograms / Giorgio Gomba in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)
PermalinkCartographie de la vulnérabilité des bâtiments au risque sismique / Valerio Baiocchi in Géomatique expert, n° 119 (novembre - décembre 2017)
PermalinkChangement climatique et risque inondation / William Halbecq in Géomatique expert, n° 119 (novembre - décembre 2017)
PermalinkA cloud-enabled automatic disaster analysis system of multi-sourced data streams: An example synthesizing social media, remote sensing and Wikipedia data / Qunying Huang in Computers, Environment and Urban Systems, vol 66 (November 2017)
PermalinkExtraction du bâti sur le territoire de la wilaya de Blida (Algérie) / Siham Bougdour in Géomatique expert, n° 119 (novembre - décembre 2017)
PermalinkFusing microwave and optical satellite observations to simultaneously retrieve surface soil moisture, vegetation water content, and surface soil roughness / Yohei Sawada in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)
PermalinkFusion of hyperspectral and LiDAR data using sparse and low-rank component analysis / Behnood Rasti in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)
PermalinkGIS-based MCDA–AHP modelling for avalanche susceptibility mapping of Nubra valley region, Indian Himalaya / Satish Kumar in Geocarto international, vol 32 n° 11 (November 2017)
PermalinkImproved atmospheric correction and chlorophyll-a remote sensing models for turbid waters in a dusty environment / Maryam R. Al Shehhi in ISPRS Journal of photogrammetry and remote sensing, vol 133 (November 2017)
PermalinkIncidence angle dependence of first-year sea ice backscattering coefficient in Sentinel-1 SAR Imagery over the kara sea / Marko P. Mäkynen in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)
PermalinkMonitoring surface urban heat island formation in a tropical mountain city using Landsat data (1987–2015) / Ronald C. Estoque in ISPRS Journal of photogrammetry and remote sensing, vol 133 (November 2017)
PermalinkNonlinear bias compensation of ZiYuan-3 satellite imagery with cubic splines / Jinshan Cao in ISPRS Journal of photogrammetry and remote sensing, vol 133 (November 2017)
PermalinkRemote sensing of species diversity using Landsat 8 spectral variables / Sabelo Madonsela in ISPRS Journal of photogrammetry and remote sensing, vol 133 (November 2017)
PermalinkRobust minimum volume simplex analysis for hyperspectral unmixing / Shaoquan Zhang in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)
PermalinkSparse distributed multitemporal hyperspectral unmixing / Jakob Sigurdsson in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)
PermalinkSpatial group sparsity regularized nonnegative matrix factorization for hyperspectral unmixing / Xinyu Wang in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)
PermalinkThe Naïve Overfitting Index Selection (NOIS): A new method to optimize model complexity for hyperspectral data / Alby D. Rocha in ISPRS Journal of photogrammetry and remote sensing, vol 133 (November 2017)
PermalinkAn effective spherical panoramic LoD model for a mobile street view service / Xianxiong Liu in Transactions in GIS, vol 21 n° 5 (October 2017)
PermalinkAutomatic shadow detection in aerial and terrestrial images / Vander Luis de Souza Freitas in Boletim de Ciências Geodésicas, vol 23 n° 4 (oct - dec 2017)
![]()
PermalinkEfficient structure from motion for oblique UAV images based on maximal spanning tree expansion / San Jiang in ISPRS Journal of photogrammetry and remote sensing, vol 132 (October 2017)
PermalinkHyperspectral dimensionality reduction for biophysical variable statistical retrieval / Juan Pablo Rivera-Caicedo in ISPRS Journal of photogrammetry and remote sensing, vol 132 (October 2017)
PermalinkHyperspectral UAV-imagery and photogrammetric canopy height model in estimating forest stand variables / Sakari Tuominen in Silva fennica, vol 51 n° 5 (2017)
PermalinkKinetic depth images: flexible generation of depth perception / Sujal Bista in The Visual Computer, vol 33 n° 10 (October 2017)
PermalinkPregnant with potential / Geoff Sawyer in GEO: Geoconnexion international, vol 16 n° 10 (October 2017)
PermalinkRegistration of images to Lidar and GIS data without establishing explicit correspondences / Gabor Barsai in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 10 (October 2017)
PermalinkShallow geological structures triggered during the Mw 6.4 Meinong earthquake, southwestern Taiwan / Maryline Le Béon in Terrestrial Atmospheric Oceanic sciences journal, vol 28 n° 5 (October 2017)
Permalink