Centre de documentation
scientifique

Photogrammétrie par drone avec GNSS embarqué pour la surveillance de digues / Yicong Zhou (2018) 

Public 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 : Photogrammétrie par drone avec GNSS embarqué pour la surveillance de digues Type de document : Article/Communication Auteurs : Yicong Zhou, Auteur ; Marc Pierrot-Deseilligny , Auteur ; Ewelina Rupnik , Auteur ; Christian Thom , Auteur ; Olivier Martin , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Conférence : Journées Recherche de l'IGN 2018, 27es Journées 22/03/2018 23/03/2018 Champs-sur-Marne France programme sans actes Projets : CAMLIGHT / Langues : Français (fre) Descripteur : [Vedettes matières IGN] Photogrammétrie [Termes IGN] CamLight [Termes IGN] digue [Termes IGN] drone [Termes IGN] Géocube [Termes IGN] photogrammétrie aérienne [Termes IGN] surveillance d'ouvrage Résumé : (Auteur) Cette recherche doctorale s’inscrit à la croisée de deux technologies en pleine révolution depuis une décennie : les vecteurs aériens légers télépilotés (drones) et les algorithmes de modélisation 3D à partir d’un bloc d’images. Deux instruments de mesure métrologique, la CamLight et le Géocube, tous deux conçus au sein de l’IGN (LOEMI), sont utilisés conjointement en vue de l’auscultation du relief de digue. La surveillance répétée de ces ouvrages permet de déceler par anticipation les éventuels affaissements et défauts des digues. La Camlight est une caméra métrique légère qui est utilisée dans nos travaux avec un réseau terrestre de récepteurs GPS compacts (Géocubes) ainsi qu’un Géocube embarqué dans le vecteur aérien. Malgré le fait que la configuration de la scène à surveiller représente un défi pour la photogrammétrie de haute précision (long linéaire, avec peu de relief, un nombre de points au sol minimum), les résultats obtenus sont satisfaisants et montrent un haut degré d’automatisation. Numéro de notice : C2018-093 Affiliation des auteurs : LASTIG LOEMI+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91614

Documents numériques

en open access Photogrammétrie par drone avec GNSS embarqué... - diaporama de présentation Adobe Acrobat PDF

Region-kernel-based support vector machines for hyperspectral image classification / Jiangtao Peng in IEEE Transactions on geoscience and remote sensing, vol 53 n° 9 (September 2015)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 53 n° 9 (September 2015) . - pp 4810 - 4824 Titre : Region-kernel-based support vector machines for hyperspectral image classification Type de document : Article/Communication Auteurs : Jiangtao Peng, Auteur ; C.L. Philip Chen, Auteur ; Yicong Zhou, Auteur Année de publication : 2015 Article en page(s) : pp 4810 - 4824 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification barycentrique [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] fonction régionalisée [Termes IGN] image hyperspectrale [Termes IGN] méthode fondée sur le noyau Résumé : (Auteur) This paper proposes a region kernel to measure the region-to-region distance similarity for hyperspectral image (HSI) classification. The region kernel is designed to be a linear combination of multiscale box kernels, which can handle the HSI regions with arbitrary shape and size. Integrating labeled pixels and labeled regions, we further propose a region-kernel-based support vector machine (RKSVM) classification framework. In RKSVM, three different composite kernels are constructed to describe the joint spatial-spectral similarity. Particularly, we design a desirable stack composite kernel that consists of the point-based kernel, the region-based kernel, and the cross point-to-region kernel. The effectiveness of the proposed RKSVM is validated on three benchmark hyperspectral data sets. Experimental results show the superiority of our region kernel method over the classical point kernel methods. Numéro de notice : A2015-526 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2015.2410991 Date de publication en ligne : 06/04/2015 En ligne : https://doi.org/10.1109/TGRS.2015.2410991 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=77554 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
065-2015091	SL	Revue	Centre de documentation	Revues en salle	Disponible