Centre de documentation
scientifique

Automated retrieval of forest structure variables based on multi-scale texture analysis of VHR satellite imagery / Benoit Beguet in ISPRS Journal of photogrammetry and remote sensing, vol 96 (October 2014)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 96 (October 2014) . - pp 164 - 178 Titre : Automated retrieval of forest structure variables based on multi-scale texture analysis of VHR satellite imagery Type de document : Article/Communication Auteurs : Benoit Beguet, Auteur ; Dominique Guyon, Auteur ; Samia Boukir, Auteur ; Nesrine Chehata , Auteur Année de publication : 2014 Article en page(s) : pp 164 - 178 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] forêt [Termes IGN] image à haute résolution [Termes IGN] image multibande Résumé : (Auteur) The main goal of this study is to design a method to describe the structure of forest stands from Very High Resolution satellite imagery, relying on some typical variables such as crown diameter, tree height, trunk diameter, tree density and tree spacing. The emphasis is placed on the automatization of the process of identification of the most relevant image features for the forest structure retrieval task, exploiting both spectral and spatial information. Our approach is based on linear regressions between the forest structure variables to be estimated and various spectral and Haralick’s texture features. The main drawback of this well-known texture representation is the underlying parameters which are extremely difficult to set due to the spatial complexity of the forest structure. To tackle this major issue, an automated feature selection process is proposed which is based on statistical modeling, exploring a wide range of parameter values. It provides texture measures of diverse spatial parameters hence implicitly inducing a multi-scale texture analysis. A new feature selection technique, we called Random PRiF, is proposed. It relies on random sampling in feature space, carefully addresses the multicollinearity issue in multiple-linear regression while ensuring accurate prediction of forest variables. Our automated forest variable estimation scheme was tested on Quickbird and Pléiades panchromatic and multispectral images, acquired at different periods on the maritime pine stands of two sites in South-Western France. It outperforms two well-established variable subset selection techniques. It has been successfully applied to identify the best texture features in modeling the five considered forest structure variables. The RMSE of all predicted forest variables is improved by combining multispectral and panchromatic texture features, with various parameterizations, highlighting the potential of a multi-resolution approach for retrieving forest structure variables from VHR satellite images. Thus an average prediction error of ∼∼1.1 m is expected on crown diameter, ∼∼0.9 m on tree spacing, ∼∼3 m on height and ∼∼0.06 m on diameter at breast height. Numéro de notice : A2014-377 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2014.07.008 En ligne : https://doi.org/10.1016/j.isprsjprs.2014.07.008 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=73816 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2014101	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Quantification et cartographie de la structure forestière à partir de la texture des images Pléiades / Benoit Beguet in Revue Française de Photogrammétrie et de Télédétection, n° 208 (Octobre 2014)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 208 (Octobre 2014) . - pp 83 - 88 Titre : Quantification et cartographie de la structure forestière à partir de la texture des images Pléiades Type de document : Article/Communication Auteurs : Benoit Beguet, Auteur ; Nesrine Chehata , Auteur ; Samia Boukir, Auteur ; Dominique Guyon, Auteur Année de publication : 2014 Conférence : Pleiades Days 2014 01/04/2014 03/04/2014 Toulouse France Article en page(s) : pp 83 - 88 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse texturale [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] forêt [Termes IGN] hauteur des arbres [Termes IGN] image à très haute résolution [Termes IGN] image multibande [Termes IGN] image panchromatique [Termes IGN] image Pléiades [Termes IGN] Landes (40) [Termes IGN] Pinus pinaster [Termes IGN] régression multiple [Termes IGN] structure d'un peuplement forestier [Termes IGN] texture d'image Résumé : (Auteur) Cette étude montre le potentiel de l'information texturale des images à très haute résolution spatiale Pléiades pour la quantification et la cartographie de la structure forestière des peuplements de pin maritime du sud-ouest de la France (massif landais). Une première étape montre qu'il est possible d'estimer, par régressions linéaires multiples, les variables de structure forestière (comme le diamètre des couronnes ou la hauteur des arbres) à partir d'un ensemble d'attributs de texture automatiquement sélectionnés parmi un grand nombre de paramétrages possibles. La classification de l'image est ensuite effectuée en utilisant l'algorithme des forêts aléatoires (RF) pour discriminer cinq classes de structure forestière avec une approche hiérarchique. L'importance de variable des RF est utilisée pour la sélection des attributs de texture. Les résultats montrent l'intérêt de l'automatisation du processus, et de l'utilisation conjointe des deux résolutions des images Pléiades (panchromatique et multispectral) pour dériver les attributs de texture les plus performants pour détecter de fines variations de structure forestière. Numéro de notice : A2014-609 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.52638/rfpt.2014.126 En ligne : https://doi.org/10.52638/rfpt.2014.126 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74910 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2014011	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Relevance of airborne lidar and multispectral image data for urban scene classification using random forests / Li Guo in ISPRS Journal of photogrammetry and remote sensing, vol 66 n° 1 (January - February 2011)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 66 n° 1 (January - February 2011) . - pp 56 - 66 Titre : Relevance of airborne lidar and multispectral image data for urban scene classification using random forests Type de document : Article/Communication Auteurs : Li Guo, Auteur ; Nesrine Chehata , Auteur ; Clément Mallet , Auteur ; Samia Boukir, Auteur Année de publication : 2011 Article en page(s) : pp 56 - 66 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] analyse discriminante [Termes IGN] classification dirigée [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] données lidar [Termes IGN] écho multiple [Termes IGN] forme d'onde pleine [Termes IGN] image multibande [Termes IGN] semis de points [Termes IGN] zone urbaine dense Résumé : (Auteur) Airborne lidar systems have become a source for the acquisition of elevation data. They provide georeferenced, irregularly distributed 3D point clouds of high altimetric accuracy. Moreover, these systems can provide for a single laser pulse, multiple returns or echoes, which correspond to different illuminated objects. In addition to multi-echo laser scanners, full-waveform systems are able to record 1D signals representing a train of echoes caused by reflections at different targets. These systems provide more information about the structure and the physical characteristics of the targets. Many approaches have been developed, for urban mapping, based on aerial lidar solely or combined with multispectral image data. However, they have not assessed the importance of input features. In this paper, we focus on a multi-source framework using aerial lidar (multi-echo and full waveform) and aerial multispectral image data. We aim to study the feature relevance for dense urban scenes. The Random Forests algorithm is chosen as a classifier: it runs efficiently on large datasets, and provides measures of feature importance for each class. The margin theory is used as a confidence measure of the classifier, and to confirm the relevance of input features for urban classification. The quantitative results confirm the importance of the joint use of optical multispectral and lidar data. Moreover, the relevance of full-waveform lidar features is demonstrated for building and vegetation area discrimination. Numéro de notice : A2011-016 Affiliation des auteurs : IGN+Ext (1940-2011) Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2010.08.007 Date de publication en ligne : 22/09/2010 En ligne : https://doi.org/10.1016/j.isprsjprs.2010.08.007 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=30798 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2011011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Support vectors selection for supervised learning using an ensemble approach / Li Guo (2010)  

Public Titre : Support vectors selection for supervised learning using an ensemble approach Type de document : Article/Communication Auteurs : Li Guo, Auteur ; Samia Boukir, Auteur ; Nesrine Chehata , Auteur Editeur : New-York : IEEE Computer society Année de publication : 2010 Conférence : ICPR 2010, 20th IAPR International Conference on Pattern Recognition 23/08/2010 26/08/2010 Istanbul Turquie Proceedings IEEE Importance : pp 37 - 40 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] théorie des ensembles Résumé : (auteur) Support Vector Machines (SVMs) are popular for pattern classification. However, training a SVM requires large memory and high processing time, especially for large datasets, which limits their applications. To speed up their training, we present a new efficient support vector selection method based on ensemble margin, a key concept in ensemble classifiers. This algorithm exploits a new version of the margin of an ensemble-based classification and selects the smallest margin instances as support vectors. Our experimental results show that our method reduces training set size significantly without degrading the performance of the resulting SVMs classifiers. Numéro de notice : C2010-073 Affiliation des auteurs : MATIS+Ext (1993-2011) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICPR.2010.18 En ligne : https://doi.ieeecomputersociety.org/10.1109/ICPR.2010.18 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102056

A two-pass random forests classification of airborne Lidar and image data on urban scenes / Li Guo (2010)  

Public Titre : A two-pass random forests classification of airborne Lidar and image data on urban scenes Type de document : Article/Communication Auteurs : Li Guo, Auteur ; Nesrine Chehata , Auteur ; Samia Boukir, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2010 Conférence : ICIP 2010, 17th IEEE International Conference on Image Processing 25/09/2010 29/09/2010 Hong Kong Turquie Proceedings IEEE Importance : pp 1369 - 1372 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image RVB [Termes IGN] intervalle de classe [Termes IGN] scène urbaine Résumé : (auteur) Random forests ensemble classifier showed to be suitable for classifying multisource data such as lidar and RGB image for urban scene mapping. However, two major problems remain: (1) the class boundaries are not well classified, a common issue in classification (2) the data are highly imbalanced raising another issue more specific to urban scenes. In this paper, we propose a new ensemble method based on the margin paradigm to improve the classification accuracy of minor classes. Random forests classifier is used in a two-pass methodology with an improved capability for classifying imbalanced data. Numéro de notice : C2010-061 Affiliation des auteurs : MATIS+Ext (1993-2011) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP.2010.5653030 Date de publication en ligne : 03/12/2010 En ligne : https://doi.org/10.1109/ICIP.2010.5653030 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101943