Centre de documentation
scientifique

The integration of multi-source remotely sensed data with hierarchically based classification approaches in support of the classification of wetlands / Aaron Judah in Canadian journal of remote sensing, vol 48 n° 2 (April 2022)  

Public [article]  inCanadian journal of remote sensing > vol 48 n° 2 (April 2022) . - pp 158 - 181 Titre : The integration of multi-source remotely sensed data with hierarchically based classification approaches in support of the classification of wetlands Type de document : Article/Communication Auteurs : Aaron Judah, Auteur ; Baoxin Hu, Auteur Année de publication : 2022 Article en page(s) : pp 158 - 181 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes IGN] classification bayesienne [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] image Landsat-8 [Termes IGN] image Landsat-TM [Termes IGN] image Sentinel-SAR [Termes IGN] intégration de données [Termes IGN] modèle numérique de terrain [Termes IGN] précision de la classification [Termes IGN] tourbière [Termes IGN] utilisation du sol [Termes IGN] zone humide Résumé : (auteur) Methodologies were developed to classify wetlands (Open Bog, Treed Bog, Open Fen, Treed Fen, and Swamps) from remotely sensed data using advanced classification algorithms through two hierarchical approaches. The data utilized included multispectral optical and thermal data (Landsat-5, and Landsat-8), radar imagery (Sentinel-1), and a digital elevation model. Goals were to determine the best way to combine imagery to classify wetlands through hierarchically based classification approaches to produce more accurate and efficient maps compared to standard classification. Algorithms used were Random Forest (RF), and Naïve Bayes. A hierarchically based RF classification methodology produced the most accurate classification result (91.94%). The hierarchically based approaches also improved classification accuracies for low-quality data, as defined through feature analysis, when compared to a nonhierarchical classifier. The hierarchical approaches also produced a significant increase in classification accuracy for the Naïve Bayes classifier versus the standard approach (∼12% increase) while not significantly increasing computation time – comparable in accuracy to the RF tests for around 20% the computational effort. Preselection of spectral bands, polarizations and other input parameters (Normalized Difference Vegetation Index, Normalized Difference Water Index, albedo, slope, etc.) using log-normal or RF variable importance analysis was very effective at identifying low-quality features and features which were of higher quality. Numéro de notice : A2022-372 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1080/07038992.2021.1967732 Date de publication en ligne : 13/11/2021 En ligne : https://doi.org/10.1080/07038992.2021.1967732 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100614 [article]

Novel integration strategy for GNSS-aided inertial integrated navigation / Kun Qian in Geomatica, vol 69 n° 2 (June 2015)  

Public [article]  inGeomatica > vol 69 n° 2 (June 2015) . - pp 217 - 230 Titre : Novel integration strategy for GNSS-aided inertial integrated navigation Type de document : Article/Communication Auteurs : Kun Qian, Auteur ; Jian-Guo Wang, Auteur ; Baoxin Hu, Auteur Année de publication : 2015 Article en page(s) : pp 217 - 230 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Navigation et positionnement [Termes IGN] couplage GNSS-INS [Termes IGN] erreur systématique [Termes IGN] filtre de Kalman [Termes IGN] GNSS assisté pour la navigation [Termes IGN] GPS-INS [Termes IGN] intégration de données [Termes IGN] navigation inertielle Résumé : (auteur) Le mécanisme d'intégration conventionnel du système de positionnement et de navigation inertiel intégré assisté par GNSS (Global Navigation Satellite Systems) se base principalement sur la transmission continue des extrants de la mécanisation de navigation, des modèles d'erreurs associés pour les paramètres de navigation, des biais des unités de mesure inertielle (UMI) et des mesures d'erreurs. Son importante dépendance aux caractéristiques d'erreur a priori des capteurs inertiels est affectée par les UMI peu coûteuses, p. ex., les UMI MEMS, en raison de leur performance faible et instable. Cet article est sur la piste d'une avancée majeure dans le cadre d'une stratégie d'intégration compacte et générale qui restructure le filtre Kalman en déployant un modèle systémique basé sur la cinématique tridimensionnelle d'un corps rigide et en effectuant des mises à jour des mesures à l'aide de toutes les données comprises dans les mesures de l'UMI. Ce nouveau filtre Kalman UMI/GNSS estime directement les paramètres de navigation plutôt que les états des erreurs. Il permet d'utiliser directement les données brutes fournies par l'UMI en tant que mesures pour mettre à jour le filtre Kalman au lieu d'utiliser le calcul de navigation inertiel libre dans le mécanisme d'intégration conventionnel. Cette manière de faire assure que tous les capteurs d'un système ne peuvent plus être distingués en tant que capteurs principal ou secondaire. La stratégie d'intégration proposée peut grandement augmenter la durabilité des systèmes de navigation peu coûteux dans les environnements GNSS où il y a peu de satellites ou ceux dépourvus de GNSS, comparativement au mécanisme conventionnel d'intégration de navigation inertielle basé sur les états d'erreurs. Les solutions post-traitées sont présentées pour démontrer le succès de la stratégie proposée de navigation intégrée à multiples capteurs. Numéro de notice : A2015-393 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article DOI : 10.5623/cig2015-205 En ligne : https://doi.org/10.5623/cig2015-205 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=76868 [article]