Descripteur
Termes IGN > imagerie
imagerie
Commentaire :
Terme regroupant photographies et images issues de différents capteurs.
|
Documents disponibles dans cette catégorie (7757)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Titre : Processing and analysis of hyperspectral data Type de document : Monographie Auteurs : Jie Chen, Éditeur scientifique ; Yingying Song, Éditeur scientifique ; Hengchao Li, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2020 Importance : 140 p. ISBN/ISSN/EAN : 978-1-78985-109-0 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] image à haute résolution
[Termes IGN] image hyperspectrale
[Termes IGN] image proche infrarouge
[Termes IGN] qualité des eaux
[Termes IGN] signature spectrale
[Termes IGN] turbidité des eauxRésumé : (Editeur) Hyperspectral imagery has received considerable attention in the last decade as it provides rich spectral information and allows the analysis of objects that are unidentifiable by traditional imaging techniques. It has a wide range of applications, including remote sensing, industry sorting, food analysis, biomedical imaging, etc. However, in contrast to RGB images from which information can be intuitively extracted, hyperspectral data is only useful with proper processing and analysis. This book covers theoretical advances of hyperspectral image processing and applications of hyperspectral processing, including unmixing, classification, super-resolution, and quality estimation with classical and deep learning methods. Note de contenu : Section One - Theoretical advances of hyperspectral image processing
Chapter 1 - Hyperspectral endmember extraction techniques
Chapter 2 - Hyperspectral image classification
Chapter 3 - Hyperspectral image super-resolution using optimization and DCNN-based methods
Chapter 4 - Fast chaotic encryption for hyperspectral images
Section Two - Applications of hyperspectral image processing
Chapter 5 - NIR hyperspectral imaging for mapping of moisture content distribution in tea buds during dehydration
Chapter 6 - Use of hyperspectral remote sensing to estimate water qualityNuméro de notice : 26560 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.78179 En ligne : http://doi.org/10.5772/intechopen.78179 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98243
Titre : Radar interferometry of unstable slopes : an application to rock glaciers Type de document : Mémoire Auteurs : Theeba Raveendran, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 31 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] Colorado (Etats-Unis)
[Termes IGN] données spatiotemporelles
[Termes IGN] image Sentinel-SAR
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] montagne
[Termes IGN] rocher
[Termes IGN] vitesse de déplacementIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Le projet vise à calculer la vitesse de déplacement de glaciers rocheux par interférométrie radar à partir d’images radar acquises grâce à la constellation Sentinel-1 (ESA). Les images utilisées pour l’étude ont été acquises de juin à septembre 2018 et de juillet à octobre 2019. Les glaciers rocheux étudiés se situent au nord-est de Telluride, dans la chaîne de montagnes de San Juan, Colorado, Etats-Unis. La vitesse de déplacement des glaciers rocheux a déjà été quantifiée par photogrammétrie à partir d’images aériennes sur dix, vingt et trente ans. L’interférométrie radar (InSAR) apparaît donc comme une méthode complémentaire, permettant de mettre en évidence les déformations de l’ordre du millimètre à l’échelle d’une saison. De plus, ce projet permet aussi de manière générale d’évaluer la méthode InSAR pour l’étude des déplacements des glaciers rocheux. Les images ont été traitées à l’aide du logiciel libre de l’ESA, SNAP. La vitesse de déplacement des glaciers rocheux a été calculée sur une période de douze jours, aux étés 2018 et 2019. Six interférogrammes ont été réalisés pour cette étude. Les résultats finaux montrent que l’interférométrie radar permet bien de renforcer les résultats obtenus par photogrammétrie. Les glaciers rocheux étudiés ont des vitesses de déplacement allant de cinq millimètres à trois centimètres sur les périodes étudiées. On observe ainsi une accélération du déplacement à l’approche de l’hiver. Note de contenu :
Introduction
1. Context
1.1 Background
1.2 Study area
2. Source data
2.1 Sentinel-1 mission
2.2 Images
3. Processing
3.1 Principle of interferometry
3.2 Calculation of rock glaciers’ creep
4. Results and discussion
4.1 Displaying results
4.2 Analysis
ConclusionNuméro de notice : 26391 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Université d’Oslo Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96068 Documents numériques
Titre : Recent advances in image restoration with applications to real world problems Type de document : Monographie Auteurs : Chiman Kwan, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2020 ISBN/ISSN/EAN : 978-1-83968-356-5 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage non-dirigé
[Termes IGN] données spatiotemporelles
[Termes IGN] extraction de modèle
[Termes IGN] fusion d'images
[Termes IGN] image hyperspectrale
[Termes IGN] modèle numérique de terrain
[Termes IGN] reconstruction 3D
[Termes IGN] restauration d'imageRésumé : (Editeur) In the past few decades, imaging hardware has improved tremendously in terms of resolution, making widespread usage of images in many diverse applications on Earth and planetary missions. However, practical issues associated with image acquisition are still affecting image quality. Some of these issues such as blurring, measurement noise, mosaicing artifacts, low spatial or spectral resolution, etc. can seriously affect the accuracy of the aforementioned applications. This book intends to provide the reader with a glimpse of the latest developments and recent advances in image restoration, which includes image super-resolution, image fusion to enhance spatial, spectral resolution, and temporal resolutions, and the generation of synthetic images using deep learning techniques. Some practical applications are also included. Note de contenu :
1. Introductory Chapter: Recent Advances in Image Restoration
2. Resolution Enhancement of Hyperspectral Data Exploiting Real Multi-Platform Data
3. Application of Deep Learning Approaches for Enhancing Mastcam Images
4. Generative Adversarial Networks for Visible to Infrared Video Conversion
5. Style-Based Unsupervised Learning for Real-World Face Image Super-Resolution
6. Spatiotemporal Fusion in Remote Sensing
7. 3D Reconstruction through Fusion of Cross-View Images
8. Practical Digital Terrain Model Extraction Using Image Inpainting TechniquesNuméro de notice : 26695 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.90607 Date de publication en ligne : 04/11/2020 En ligne : https://doi.org/10.5772/intechopen.90607 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99081 Recherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois / Margarita Khokhlova (2020)
![]()
![]()
Titre : Recherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois Type de document : Article/Communication Auteurs : Margarita Khokhlova , Auteur ; Valérie Gouet-Brunet
, Auteur ; Nathalie Abadie
, Auteur ; Liming Chen, Auteur
Editeur : Vannes : Université de Bretagne Sud Année de publication : 2020 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : RFIAP 2020, Reconnaissance des Formes, Image, Apprentissage et Perception 23/06/2020 26/06/2020 Vannes France Open Access Proceedings Importance : 11 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse du paysage
[Termes IGN] appariement d'images
[Termes IGN] architecture de réseau
[Termes IGN] BD ortho
[Termes IGN] BD Topo
[Termes IGN] classification barycentrique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de changement
[Termes IGN] données multitemporelles
[Termes IGN] géolocalisation
[Termes IGN] image aérienne
[Termes IGN] image multitemporelle
[Termes IGN] recherche d'image basée sur le contenu
[Termes IGN] réseau neuronal siamois
[Termes IGN] segmentation sémantiqueRésumé : (auteur) Cet article présente un réseau multimodal qui met en correspondance des images aériennes de territoires urbains et ruraux français prises à environ 15 ans d'intervalle. Il devrait être invariant à un large éventail de changements, tels que l'évolution du paysage au fil des années. Il exploite les images originales et les régions sémantiquement segmentées et étiquetées. Le coeur de la méthode est un réseau siamois qui apprend à extraire des caractéristiques des paires d'images correspondantes dans le temps et des paires non correspondantes. Ces descripteurs sont suffisamment discriminants pour qu'un simple classifieur k-NN suffise comme critère de géo-correspondance final. Dans cet article, nous dé-montrons que notre descripteur siamois surpasse les autres descripteurs d'images en termes de recherche d'images par contenu à travers le temps. Numéro de notice : C2020-003 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans En ligne : https://cap-rfiap2020.sciencesconf.org/data/RFIAP_2020_paper_21.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95446 Voir aussiDocuments numériques
en open access
rfiap2020_21_cameraready.pdfAdobe Acrobat PDFReconnaissance automatique d’objets pour le jumeau numérique ferroviaire à partir d’imagerie aérienne / Valentin Desbiolles (2020)
![]()
Titre : Reconnaissance automatique d’objets pour le jumeau numérique ferroviaire à partir d’imagerie aérienne Type de document : Mémoire Auteurs : Valentin Desbiolles, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2020 Importance : 71 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de fin d'études INSA Strasbourg, Topographie - M2 IRIVLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image orientée objet
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] corrélation croisée normalisée
[Termes IGN] détection automatique
[Termes IGN] détection d'objet
[Termes IGN] détection de coins Harris
[Termes IGN] détection de contours
[Termes IGN] filtre adaptatif
[Termes IGN] image aérienne
[Termes IGN] orthophotographie
[Termes IGN] segmentation sémantique
[Termes IGN] voie ferréeIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) Ce projet propose une étude sur l’insertion automatique d’objets utiles au fonctionnement d’une voie ferrée dans un plan DAO. Ces objets sont visibles sur des orthophotos acquises par moyens aéroportés (drone ou hélicoptère). La solution se scinde en 2 grands axes : La détection et la localisation des objets d’intérêt sur une orthophoto ; Leurs insertions dans un plan DAO. Ce PFE parcourt ainsi les différentes techniques pour automatiser une phase de reconnaissance de certains éléments cibles sur une image pour finir sur le développement d'une méthode permettant de les reporter dans un plan DAO. Note de contenu : Introduction
1- Etat de l'art
2- Etude de faisabilité
3- Analyse théorique d'un réseau type MASK R-CNN
4- Entraînement du réseau
5- Déploiement du réseau entraîné
6- Evaluation des résultats et perspectives d'amélioration
ConclusionNuméro de notice : 28580 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : ALTAMETRIS DOI : sans En ligne : http://eprints2.insa-strasbourg.fr/4130/1/Rapport_PFE_Desbiolles_G5.pdf Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97863 Regional-scale forest mapping over fragmented landscapes using global forest products and Landsat time series classification / Viktor Myroniuk in Remote sensing, vol 12 n° 1 (January 2020)
PermalinkRelevés par Lidar mobile de cours d’eau et intégration des profils aux relevés bathymétriques réalisés par sondeur mono-faisceau / Guillaume Didier (2020)
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkSatellite image time series classification with pixel-set encoders and temporal self-attention / Vivien Sainte Fare Garnot (2020)
![]()
PermalinkSimplicial complexes reconstruction and generalisation of 3d lidar data in urban scenes / Stéphane Guinard (2020)
PermalinkSimulation and analysis of photogrammetric UAV image blocks - Influence of camera calibration error / Yilin Zhou in Remote sensing, vol 12 n° 1 (January 2020)
PermalinkSimulation d’éclairements des surfaces ombrées en zone urbaine par transfert radiatif 3D (modèle DART) / Yulu Xi (2020)
PermalinkPermalinkStreambank topography: an accuracy assessment of UAV-based and traditional 3D reconstructions / Benjamin U. Meinen in International Journal of Remote Sensing IJRS, vol 41 n° 1 (01 - 08 janvier 2020)
PermalinkSuperpixel-enhanced deep neural forest for remote sensing image semantic segmentation / Li Mi in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)
PermalinkSurface soil moiture retrieval over irrigated wheat crops in semi-arid areas using Sentinel-1 data / Nadia Ouaadi (2020)
PermalinkA systematic evaluation of influence of image selection process on remote sensing-based burn severity indices in North American boreal forest and tundra ecosystems / Dong Chen in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)
PermalinkSystème de traitement d’images temps réel dédié à la mesure de champs denses de déplacements et de déformations / Seyfeddine Boukhtache (2020)
PermalinkPermalinkTest du potentiel de l’imagerie satellite haute résolution pour le suivi des mouvements gravitaires des falaises crayeuses de Seine-Maritime / Zoé Stroebele (2020)
PermalinkTrajectoires paysagères des cônes de déjection torrentiels des Alpes du nord (Maurienne et Tarentaise) / Thérèse Hugerot (2020)
PermalinkUnderwater calibration in near real time: Focus on detection optimized by AI and selection of calibration patterns / Loïca Avanthey (2020)
PermalinkUnsupervised satellite image time series analysis using deep learning techniques / Ekaterina Kalinicheva (2020)
PermalinkUsing remote sensing to assess the effect of time of day on the spatial and temporal variation of LST in urban areas / Akram Abdulla (2020)
PermalinkUso de QGIS en la teledetección, Vol. 2. QGIS y sus aplicaciones en la agricultura y la silvicultura / Nicolas Baghdadi (2020)
PermalinkUso de QGIS en la teledetección, Vol. 4. QGIS y sus aplicaciones en agua y en gestion del riego / Nicolas Baghdadi (2020)
PermalinkVers une occupation du sol France entière par imagerie satellite à très haute résolution / Tristan Postadjian (2020)
PermalinkA versatile and efficient data fusion methodology for heterogeneous airborne LiDAR and optical imagery data acquired under unconstrained conditions / Thanh Huy Nguyen (2020)
PermalinkVery high resolution land cover mapping of urban areas at global scale with convolutional neural network / Thomas Tilak (2020)
PermalinkPermalinkWater stress detection over irrigated wheat crops in semi-arid areas using the diurnal differences of Sentinel-1 backscatter / Nadia Ouaadi (2020)
PermalinkPermalinkShip identification and characterization in Sentinel-1 SAR images with multi-task deep learning / Clément Dechesne in Remote sensing, Vol 11 n° 24 (December-2 2019)
PermalinkAn implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data / Puzhao Zhang in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
PermalinkApplication of photogrammetry to generate quantitative geobody data in ephemeral fluvial systems / Charlotte L. Priddy in Photogrammetric record, vol 34 n° 168 (December 2019)
PermalinkCombining Sentinel-1 and Sentinel-2 Satellite image time series for land cover mapping via a multi-source deep learning architecture / Dino Lenco in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
PermalinkCombining thermal imaging with photogrammetry of an active volcano using UAV: an example from Stromboli, Italy / Zoë E. Wakeford in Photogrammetric record, vol 34 n° 168 (December 2019)
PermalinkContextual filtering methods based on the subbands and subspaces decomposition of complex SAR interferograms / Saoussen Belhadj-Aissa in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol 12 n° 12 (December 2019)
PermalinkHalf a percent of labels is enough: efficient animal detection in UAV imagery using deep CNNs and active learning / Benjamin Kellenberger in IEEE Transactions on geoscience and remote sensing, vol 57 n° 12 (December 2019)
PermalinkInside the ice shelf: using augmented reality to visualise 3D lidar and radar data of Antarctica / Alexandra L. Boghosian in Photogrammetric record, vol 34 n° 168 (December 2019)
PermalinkA learning approach to evaluate the quality of 3D city models / Oussama Ennafii in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 12 (December 2019)
![]()
PermalinkA low‐cost open‐source workflow to generate georeferenced 3D SfM photogrammetric models of rocky outcrops / Laurent Froideval in Photogrammetric record, vol 34 n° 168 (December 2019)
PermalinkMatching of TerraSAR-X derived ground control points to optical image patches using deep learning / Tatjana Bürgmann in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)
PermalinkNovel adaptive histogram trend similarity approach for land cover change detection by using bitemporal very-high-resolution remote sensing images / Zhi Yong Lv in IEEE Transactions on geoscience and remote sensing, vol 57 n° 12 (December 2019)
PermalinkNumérisation, restitution et visualisation en 3D de sites patrimoniaux / Jonathan Chemla in XYZ, n° 161 (décembre 2019)
Permalink