Détail de l'éditeur
Ecole nationale d'ingénieurs de Carthage
localisé à :
Tunis
|
Documents disponibles chez cet éditeur (2)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Titre : Classification of land use from high resolution satellite imagery Type de document : Mémoire Auteurs : Yasser Kotrsi, Auteur ; Arnaud Le Bris , Encadrant ; Nesrine Chehata
Editeur : Tunis [Tunisie] : Ecole nationale d'ingénieurs de Carthage Année de publication : 2018 Importance : 112 p. Note générale : bibliographie
End Of Studies Project Report, in fulfillment of the requirements for the degree of National engineering diploma in software engineeringLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] bibliothèque logicielle
[Termes IGN] classification barycentrique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] Finistère (29)
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] milieu urbain
[Termes IGN] occupation du sol
[Termes IGN] OpenCV
[Termes IGN] Python (langage de programmation)
[Termes IGN] semis de pointsRésumé : (auteur) The MATIS team of the LaSTIG Laboratory of the french mapping agency (IGN) has for several years conducted research activities in the field of classification of remote sensing data (aerial or satellite optical images and point clouds 3D lidar) for land use (OCS), in urban and rural areas. With the arrival of the new Sentinel S1 (radar) and S2 (optical) sensors, time series of images are now available free of charge with a high temporal resolution (between 10 and 15 days) and a high spectral resolution for optical images. In addition, the national territory is covered annually by acquisition of SPOT 6-7 images. The CES Artificialisation-urbanization pole Theia aims at the production of a map of land use in urban environment, with a resolution of 10m. Early work based on the fusion of Sentinel 2 time series with very high resolution data (THR) SPOT 6-7, Pleiades led to the detection of artifical spots, as well as well shaped urban objects. It is now a question of better characterizing this urban space by investigating about the relations between those image regions as well as each one’s spatial properties in order to produce a detailed cartography classified into different types of urban fabrics (residential, dense urban, non-dense, industrial, ...). In this study we dive deep through the problematic of the land use classification, its aspects as well the different approaches to characterize the extracted information about it in order to obtain an accurate classification that corresponds well to the expected results. This study therefore focuses on the continuation of previous work and consists in obtaining a detailed cartography in different types of urban fabrics (residential, dense urban, non-dense, industrial, ..). For that, several scientific locks are raised: • Test the data fusion methods previously used for fine mapping of the urban environment. • Develop different multiscale spatial indicators (size of objects, distance between objects, density of objects, presence of vegetation, ...) to describe the city. • Exploit these indicators in order to find different types of neighborhoods and to characterize land use. The calculation of indicators is based in part on SPOT image classifications 6-7 obtained during previous work. Also the Urban Atlas database, which also details urban spaces in urban classes, is used in the learning stage as well as the Corine Land Cover database. Note de contenu : Introduction
1- Project introduction
2- State of the art and background material
3- Available data and study areas
4- Methodology
5- Results and discussions
Conclusion and perspectivesNuméro de notice : 17187 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire ingénieur Organisme de stage : LaSTIG (IGN) DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98348 Documents numériques
peut être téléchargé
Classification of land use ... - pdf auteurAdobe Acrobat PDFUse of satellite image classifications to update and enhance a land cover database / Mohamed Touiti (2018)
Titre : Use of satellite image classifications to update and enhance a land cover database Type de document : Mémoire Auteurs : Mohamed Touiti, Auteur ; Arnaud Le Bris Editeur : Tunis [Tunisie] : Ecole nationale d'ingénieurs de Carthage Année de publication : 2018 Importance : 90 p. Note générale : bibliographie
End of study project report, Software Engineering Training, Cycle Major : Information SystemsLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de changement
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] OpenCV
[Termes IGN] Python (langage de programmation)Résumé : (auteur) L’équipe MATIS du Laboratoire LaSTIG de l’Institut National de l’Information Géo graphique et Forestière (IGN) mène depuis plusieurs années des activités de recherches dans le domaine de la classification de données de télédétection pour l’occupation des sols (OCS), en zones urbaines et rurales. Avec l’arrivée des nouveaux capteurs Sentinel S1 (radar) et Sentinel S2 (optique), des séries temporelles d’images sont désormais disponibles gratuitement avec une forte résolution temporelle (entre 10 et 15 jours) et une forte résolution spectrale pour les images optiques. Par ailleurs, le territoire français fait également l’objet d’une couverture annuelle par des images à très haute résolution spatiale des satellites SPOT 6/7. Dans l’objectif de couvrir l’ensemble du territoire français par la cartographie de la couverture du sol à travers la classification sémantique des images de télédétection, ce stage a pour objectif de contribuer au processus de mise à jour des bases de données de couverture du sol et de fournir un outil fiable pour détecter les changements entre la base de données d’occupation du sol et les classifications d’images SPOT6 et Sentinel-2. Dans cette étude, nous avons implémenté et testé deux approches différentes pour la détection des changements, en utilisant la fusion et la régularisation des classifications individuelles des images satellites Sentinel-2 et SPOT-6. La fusion d’images multispectrales à très haute résolution spatiale avec des séries temporelles d’images à faible résolution spatiale avec un nombre élevé de bandes pourrait améliorer la classification de la couverture terrestre, en combinant les avantages géométriques et sémantiques des deux sources. La première approche est une approche non supervisée sur laquelle nous avons appliqué une classification non supervisée et une régularisation afin de lisser le bruit et de nous donner des résultats plus attrayants visuellement. Cela pourrait aussi donner une classification binaire (classe / pas de classe) alors nous nous sommes concentrés sur la classe "bâtiments", c’est la classe la plus fréquemment changée. Ainsi, nous avons obtenu une classification binaire des bâtiments/non-bâtiments considérés comme nos résultats et avons atteint une exhaustivité de 75% avec une exactitude proche de 70%, mais il existe une certaine confusion dans les zones surpeuplées. La seconde approche consiste en une approche supervisée dans laquelle nous avons utilisé un réseau de neurones convolutif pour détecter les changements. Ainsi, nous avons obtenu des résultats bien meilleurs, avec une précision de 94,95%, même si des améliorations de l’architecture pourraient être nécessaires pour obtenir des résultats satisfaisants. Note de contenu : General introduction
1- The general context
2- State of the art
3- Study areas ad data
4- Change detection
5- CNN for change detection
General conclusionNuméro de notice : 17320 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire ingénieur Organisme de stage : LaSTIG (IGN) DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98343 Documents numériques
peut être téléchargé
Use of satellite image classifications ... - pdf auteurAdobe Acrobat PDF
