Détail de l'autorité
|
IGARSS 2014, International Geoscience And Remote Sensing Symposium 13/07/2014 18/07/2014 Québec Québec - Canada Proceedings IEEE
nom du congrès :
IGARSS 2014, International Geoscience And Remote Sensing Symposium
début du congrès :
13/07/2014
fin du congrès :
18/07/2014
ville du congrès :
Québec
pays du congrès :
Québec - Canada
site des actes du congrès :
|
Documents disponibles (6)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesAgricultural field delimitation using active learning and random forests margin / Karim Ghariani (2014)
Titre : Agricultural field delimitation using active learning and random forests margin Type de document : Article/Communication Auteurs : Karim Ghariani, Auteur ; Nesrine Chehata Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : IGARSS 2014, International Geoscience And Remote Sensing Symposium 13/07/2014 18/07/2014 Québec Québec - Canada Proceedings IEEE Importance : pp 1717 - 1720 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] délimitation
[Termes IGN] image Geoeye
[Termes IGN] surface cultivéeRésumé : (auteur) Agricultural practices and spatial arrangements of fields have a strong impact on water flows in cultivated landscapes. In order to monitor landscapes at a large scale, there is a strong need for automatic or semi-automatic field delineation. Field measurements for delineating parcel network are not efficient, thus very high resolution satellite imagery should help delineating agricultural fields in a automatic way. This study focuses on agricultural field delineation based on the classification of very high resolution satellite imagery. A hybrid approach is proposed and combines a region-based approach and active learning (AL) techniques. Random forest (RF) classifier is used for classification and feature selection. The margin concept is used as uncertainty measure in active learning algorithm. Satisfying results are shown on a Geoeye image. AL RF model is compared to simple and global RF models that are built from adjacent and geographically distant fields respectively. Numéro de notice : C2014-029 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2014.6946782 En ligne : http://dx.doi.org/10.1109/IGARSS.2014.6946782 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83401 Documents numériques
peut être téléchargé
Agricultural field delimitation - posterAdobe Acrobat PDF
Titre : Combining top-down and bottom-up approaches for building detection in a single very high resolution satellite image Type de document : Article/Communication Auteurs : Mahmoud Mohammed Sidi Youssef, Auteur ; Clément Mallet Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : IGARSS 2014, International Geoscience And Remote Sensing Symposium 13/07/2014 18/07/2014 Québec Québec - Canada Proceedings IEEE Importance : pp 4820 - 4823 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification
[Termes IGN] détection du bâti
[Termes IGN] image multibande
[Termes IGN] image Pléiades-HR
[Termes IGN] pansharpening (fusion d'images)
[Termes IGN] reconnaissance de formesRésumé : (auteur) Building detection from geospatial optical images has been a popular topic of research for the last twenty years and in particular with the emergence of very high resolution satellites. Existing methods exhibit various flaws and prevent them from being efficient at large scales of space and time: they are context-dependent, require a tedious parameter tuning or several data sources. In this paper, we propose a fully automatic method that alleviates some of these issues by combining the strengths of bottom-up and top-down approaches, i.e., of both classification and pattern recognition algorithms. This allows to correctly detect the objects by geometric prior knowledge while finely delineating their borders and preserving their shapes. The method is evaluated over a complex area of more than 230 buildings using a 0.5 m multispectral pansharpened Pleiades image. Numéro de notice : C2014-028 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2014.6947573 Date de publication en ligne : 10/11/2014 En ligne : http://dx.doi.org/10.1109/IGARSS.2014.6947573 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83398
Titre : Individual tree segmentation over large areas using airborne LiDAR point cloud and very high resolution optical imagery Type de document : Article/Communication Auteurs : Yuchu Qin, Auteur ; António Ferraz Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : IGARSS 2014, International Geoscience And Remote Sensing Symposium 13/07/2014 18/07/2014 Québec Québec - Canada Proceedings IEEE Importance : pp 800 - 803 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] algorithme de décalage moyen
[Termes IGN] arbre (flore)
[Termes IGN] chaîne de traitement
[Termes IGN] détection d'arbres
[Termes IGN] diamètre des arbres
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] France (administrative)
[Termes IGN] image à très haute résolution
[Termes IGN] image optique
[Termes IGN] inventaire forestier (techniques et méthodes)
[Termes IGN] modèle numérique de surface de la canopée
[Termes IGN] peuplement forestier
[Termes IGN] segmentation d'image
[Termes IGN] semis de points
[Termes IGN] Ventoux, MontRésumé : (auteur) Timely and accurate measurements of forest parameters are critical for ecosystem studies, sustainable forest resources management, monitoring and planning. This paper presents a processing chain for individual tree segmentation over large areas with airborne LiDAR 3D point cloud and very high resolution (VHR) optical imagery. The proposed processing chain consists of forest stand level delineation with optical imagery, individual tree segmentation with Canopy Height Model (CHM) derived from LiDAR point cloud, rough characterization of trees at forest stand level, and point clustering of individual tree with an Adaptive Mean Shift 3D (AMS3D) algorithm. The processing chain is developed with the expectation of supporting operational forest inventory at individual tree level. Experiment is conducted using LiDAR data acquired in Ventoux region, France. Results suggest that the proposed processing chain can be successfully adopted for individual tree characterization over large areas with different forest stands. Numéro de notice : C2014-025 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2014.6946545 Date de publication en ligne : 06/11/2014 En ligne : http://dx.doi.org/10.1109/IGARSS.2014.6946545 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92034 Documents numériques
peut être téléchargé
Individual tree segmentation ... - pdf auteurAdobe Acrobat PDF
Titre : Large scale road network extraction in forested moutainous areas using airborne laser scanning data Type de document : Article/Communication Auteurs : António Ferraz Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : IGARSS 2014, International Geoscience And Remote Sensing Symposium 13/07/2014 18/07/2014 Québec Québec - Canada Proceedings IEEE Importance : pp 4315 - 4318 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage automatique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] extraction du réseau routier
[Termes IGN] forêt alpestre
[Termes IGN] France (administrative)
[Termes IGN] montagne
[Termes IGN] processus ponctuel marqué
[Termes IGN] reconnaissance de formes
[Termes IGN] théorie des graphesRésumé : (auteur) In this work, we present an approach that is able to deal with large-scale road network mapping. While former methods focus on delineating patches of roads without computing a coherent road network, we formulate a very large number of road hypothesis that are pruned using a graph reasoning and weak a priori knowledge on road behavior. The initial solution is computed by means of two machine learning and pattern recognition state-of-the-art methods (namely, Random Forest classification and Marked Point Process) that allow to process very large areas in little time with very satisfactory results. Numéro de notice : C2014-024 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2014.6947444 Date de publication en ligne : 06/11/2014 En ligne : http://dx.doi.org/10.1109/IGARSS.2014.6947444 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92029 Documents numériques
peut être téléchargé
Large scale road network extraction... - pdf auteurAdobe Acrobat PDF
Titre : Unmixing polarimetric radar images based on land cover type before target decomposition Type de document : Article/Communication Auteurs : Sébastien Giordano Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2014 Conférence : IGARSS 2014, International Geoscience And Remote Sensing Symposium 13/07/2014 18/07/2014 Québec Québec - Canada Proceedings IEEE Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] image radar
[Termes IGN] matrice de covariance
[Termes IGN] polarimétrie radarRésumé : (auteur) A new method for unmixing radar polarimetric images with optical images is proposed. It was found that the polarimetric covariance matrix can be unmixed considering a linear model. As a result, this model is used to produce unmixed covariance matrices based on land cover types. We hope to prove that this unmixing of the polarimetric information produce greater information for land cover classification. Numéro de notice : C2014-043 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2014.6947055 Date de publication en ligne : 06/11/2014 En ligne : https://doi.org/10.1109/IGARSS.2014.6947055 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99588
