Centre dedocumentation
scientifique

ANR HYEP ANR 14-CE22-0016-01 Hyperspectral imagery for Environmental urban Planning, Hyep, Programme Mobilité et systèmes urbains 2014 / Christiane Weber (2018)    

Public Titre : ANR HYEP ANR 14-CE22-0016-01 Hyperspectral imagery for Environmental urban Planning, Hyep, Programme Mobilité et systèmes urbains 2014 : Compte-rendu de fin de projet Type de document : Rapport Auteurs : Christiane Weber, Auteur ; Thomas Houet, Auteur ; Sébastien Gadal, Auteur ; Rahim Aguejdad, Auteur ; Grzegorz Skupinski, Auteur ; Aziz Serradj, Auteur ; Yannick Deville, Auteur ; Jocelyn Chanussot, Auteur ; Mauro Dalla Mura, Auteur ; Xavier Briottet , Auteur ; Clément Mallet , Auteur ; Arnaud Le Bris , Auteur Editeur : Paris : Centre national de la recherche scientifique CNRS Année de publication : 2018 Projets : HYEP / Weber, Christiane Langues : Français (fre) Résumé : (auteur) Enjeux et objectifs : L'imagerie hyperspectrale (IH) est à l’heure actuelle encore trop peu considérée, pourtant ses spécificités en font un auxiliaire de poids pour le suivi des éléments du milieu urbain. Le projet HYEP a pour objectif de proposer un panel de méthodes et de traitements appliqués à l’imagerie hyperspectrale tout en comparant à celles d’autres capteurs existants. Si l’IH est complémentaire aux capteurs actuels car plus riche spectralement, elle permet d'identifier et de caractériser autrement les éléments naturels ou anthropiques. Pour ce faire, les méthodes d'extraction d'information doivent être adaptées, voire créées. Le volet méthodologique du projet est ancré à la fois dans la solidification des approches actuelles et le test de méthodes ou adaptées ou nouvelles. Nos résultats ont été présentés tout au long du projet à la communauté scientifique et aux collectivités territoriales. Un des intérêts des travaux a été la comparaison des résultats à différentes résolutions spatiales pour préciser le gain d’un tel capteur hyperspectral par rapport à ceux existants ou à venir. Données et Méthodes : Utilisation et adaptation de méthodes courantes en télédétection. Les méthodes déployées ont été choisies parmi l’ensemble des méthodes existantes en les adaptant au type de signal, au nombre de bandes spectrales et aux caractéristiques du milieu. Ainsi les données étant issues de survol aérien les premiers développements ont été réalisés pour s’affranchir des effets de l’atmosphère (correction atmosphérique des images hyperspectrales – 3 méthodes testées) et une base de données de signatures morphospectrales pour divers éléments d'occupation du sol en ville (toits, routes, la végétation etc.) permettant de mieux cerner les valeurs spectrales des matériaux a été établie. Elle comprend des données de littérature, des mesures in situ et en laboratoire. Ses apports dans différents traitements de classification ont été testés. Des méthodes d’extraction, de fusion ou de classification ont été utilisées à différentes résolutions spatiales et spectrales afin de spécifier les gains par rapport à d’autres capteurs. Des méthodes de classifications et de démélange ont été adaptées. Des indices de forme facilitant la classification d’image en milieux urbain ont été testés et/ou développés. Résultats majeurs et faits marquants : - 3 méthodes de correction atmosphériques développées et comparées en fonction de la résolution spatiale ; - Adaptation de méthodes de fusion (pan ou multi sharpening) et de démélange. - Transfert : Mise en place à Kaunas (Lituanie) du développement complet de l’approche. - Algorithmes : Dépôt sur la plateforme ouverte : http://openremotesensing.net/ et des outils de fusion PAN-hyperspectrale - Un résultat particulièrement intéressant porte sur l’extraction et l’identification des panneaux solaires. Une validation a été réalisée par le calcul des surfaces des panneaux. Ce développement est une des réussites du projet HYEP. - Ecole thématique CNRS en 2017 Productions scientifiques : Présentation des travaux à ISPRS Geospatial Week 2015, JURSE 2017, IGARSS 2017-2018, WHISPERS 2016-2018, GeoHyper (2015), aux ateliers TEMU, AFIGEO, dans des sessions de GDRs (Madics et ISIS) ou dans le cadre de la mission Hypxim. Elle a organisé des sessions de conférences nationales SFPT hyperspectral (2016) et 2 à l’international en 2018 IGARSS, WHISPERS. Elle a monté une école thématique CNRS (28 Août - 1 Septembre 2017-25 participants). 10 publications et 38 communications avec actes, 3 chapitres de livre, 1 numéro spécial dans la revue « Remote Sensing - Hyperspectral Imagery for Urban Environement » ont été produites. Numéro de notice : 17554 Thématique : IMAGERIE Nature : Rapport de recherche nature-HAL : RappRech date de publication en ligne : 04/10/2018 En ligne : https://hal.archives-ouvertes.fr/hal-01888126 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91391

Documents numériques

en open access Rapport final HYEP - pdf auteur Adobe Acrobat PDF

Multimorphological superpixel model for hyperspectral image classification / Tianzhu Liu in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 55 n° 12 (December 2017) . - pp 6950 - 6963 Titre : Multimorphological superpixel model for hyperspectral image classification Type de document : Article/Communication Auteurs : Tianzhu Liu, Auteur ; Yanfeng Gu, Auteur ; Jocelyn Chanussot, Auteur ; Mauro Dalla Mura, Auteur Année de publication : 2017 Article en page(s) : pp 6950 - 6963 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] méthode fondée sur le noyau Résumé : (Auteur) With the development of hyperspectral sensors, nowadays, we can easily acquire large amount of hyperspectral images (HSIs) with very high spatial resolution, which has led to a better identification of relatively small structures. Owing to the high spatial resolution, there are much less mixed pixels in the HSIs, and the boundaries between these categories are much clearer. However, the high spatial resolution also leads to complex and fine geometrical structures and high inner-class variability, which make the classification results very “noisy.” In this paper, we propose a multimorphological superpixel (MMSP) method to extract the spectral and spatial features and address the aforementioned problems. To reduce the difference within the same class and obtain multilevel spatial information, morphological features (multistructuring element extended morphological profile or multiattribute filter extended multi-attribute profiles) are first obtained from the original HSI. After that, simple linear iterative clustering segmentation method is performed on each morphological feature to acquire the MMSPs. Then, uniformity constraint is used to merge the MMSPs belonging to the same class which can avoid introducing the information from different classes and acquire spatial structures at object level. Subsequently, mean filtering is utilized to extract the spatial features within and among MMSPs. At last, base kernels are obtained from the spatial features and original HSI, and several multiple kernel learning methods are used to obtain the optimal kernel to incorporate into the support vector machine. Experiments conducted on three widely used real HSIs and compared with several well-known methods demonstrate the effectiveness of the proposed model. Numéro de notice : A2017-767 Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2017.2737037 En ligne : https://doi.org/10.1109/TGRS.2017.2737037 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88806 [article]

Fusion of hyperspectral and panchromatic images with very high spatial resolution / Laetitia Loncan (2016)  

Public Titre : Fusion of hyperspectral and panchromatic images with very high spatial resolution Titre original : Fusion d'images panchromatiques et hyperspectrales à très haute résolution spatiale Type de document : Thèse/HDR Auteurs : Laetitia Loncan, Auteur ; Jocelyn Chanussot, Auteur ; Xavier Briottet , Auteur ; Sophie Fabre, Auteur Editeur : Grenoble [France] : Université de Grenoble Alpes Année de publication : 2016 Projets : HYEP / Weber, Christiane Note générale : bibliographie Thesis to obtain the grade of docteur de l’université de Grenoble en informatique et mathématiques appliquées Langues : Anglais (eng) Résumé : (auteur) Les méthodes standard de pansharpening visent à fusionner une image panchromatique avec une image multispectrale afin de générer une image possédant la haute résolution spatiale de la première et la haute résolution spectrale de la dernière. Durant la dernière décennie, beaucoup de méthodes de pansharpening utilisant des images multispectrales furent créées. Avec la disponibilité croissante d’images hyperspectrales, ces méthodes s’étendent maintenant au pansharpening hyperspectral, c’est-à-dire à la fusion d’une image panchromatique possédant une très bonne résolution spatiale avec une image hyperspectrale possédant une résolution spatiale plus faible. Toutefois les méthodes de pansharpening hyperspectrale issues de l’état de l’art ignorent souvent le problème des pixels mixtes. Le but de ses méthodes est de préserver l’information spectrale tout en améliorant l’information spatiale. Dans cette thèse, dans une première partie, nous présentons et analysons les méthodes de l’état de l’art afin de les analyser pour connaitre leurs performances et leurs limitations. Dans une seconde partie, nous présentons une approche qui s’occupe du cas des pixels mixtes en intégrant une étape pré-fusion pour les démélanger. Cette méthode améliore les résultats en ajoutant de l’information spectrale qui n’est pas présente dans l’image hyperspectrale à cause des pixels mixtes. Les performances de notre méthode sont évaluées sur différents jeux de données possédant des résolutions spatiales et spectrales différentes correspondant à des environnements différents. Notre méthode sera évaluée en comparaison avec les méthodes de l’état de l’art à une échelle globale et locale. Numéro de notice : 1755 Nature : Thèse française Note de thèse : Thèse de doctorat : informatique et mathématiques appliquées : Grenoble : 2016 Organisme de stage : ONERA + GIPSA-lab nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-01490225 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91395

A critical comparison among pansharpening algorithms / Gemine Vivone in IEEE Transactions on geoscience and remote sensing, vol 53 n° 5 (mai 2015)

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 53 n° 5 (mai 2015) . - pp 2565 - 2586 Titre : A critical comparison among pansharpening algorithms Type de document : Article/Communication Auteurs : Gemine Vivone, Auteur ; Luciano Alparone, Auteur ; Jocelyn Chanussot, Auteur ; et al., Auteur Année de publication : 2015 Article en page(s) : pp 2565 - 2586 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme de fusion [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] analyse multibande [Termes descripteurs IGN] analyse multirésolution [Termes descripteurs IGN] état de l'art [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image panchromatique [Termes descripteurs IGN] image satellite [Termes descripteurs IGN] Matlab [Termes descripteurs IGN] pansharpening (fusion d'images) [Termes descripteurs IGN] qualité des données Résumé : (Auteur) Pansharpening aims at fusing a multispectral and a panchromatic image, featuring the result of the processing with the spectral resolution of the former and the spatial resolution of the latter. In the last decades, many algorithms addressing this task have been presented in the literature. However, the lack of universally recognized evaluation criteria, available image data sets for benchmarking, and standardized implementations of the algorithms makes a thorough evaluation and comparison of the different pansharpening techniques difficult to achieve. In this paper, the authors attempt to fill this gap by providing a critical description and extensive comparisons of some of the main state-of-the-art pansharpening methods. In greater details, several pansharpening algorithms belonging to the component substitution or multiresolution analysis families are considered. Such techniques are evaluated through the two main protocols for the assessment of pansharpening results, i.e., based on the full- and reduced-resolution validations. Five data sets acquired by different satellites allow for a detailed comparison of the algorithms, characterization of their performances with respect to the different instruments, and consistency of the two validation procedures. In addition, the implementation of all the pansharpening techniques considered in this paper and the framework used for running the simulations, comprising the two validation procedures and the main assessment indexes, are collected in a MATLAB toolbox that is made available to the community. Numéro de notice : A2015-523 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=77534 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
065-2015051	RAB	Revue	Centre de documentation	En réserve 3L	Disponible

Spectral–spatial classification for hyperspectral data using rotation forests with local feature extraction and markov random fields / Junshi Xia in IEEE Transactions on geoscience and remote sensing, vol 53 n° 5 (mai 2015)

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 53 n° 5 (mai 2015) . - pp 2532 - 2546 Titre : Spectral–spatial classification for hyperspectral data using rotation forests with local feature extraction and markov random fields Type de document : Article/Communication Auteurs : Junshi Xia, Auteur ; Jocelyn Chanussot, Auteur ; Peijun Du, Auteur ; et al., Auteur Année de publication : 2015 Article en page(s) : pp 2532 - 2546 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] analyse en composantes principales [Termes descripteurs IGN] champ aléatoire de Markov [Termes descripteurs IGN] classification et arbre de régression [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] performance [Termes descripteurs IGN] Rotation Forest classification Résumé : (Auteur) In this paper, we propose a new spectral-spatial classification strategy to enhance the classification performances obtained on hyperspectral images by integrating rotation forests and Markov random fields (MRFs). First, rotation forests are performed to obtain the class probabilities based on spectral information. Rotation forests create diverse base learners using feature extraction and subset features. The feature set is randomly divided into several disjoint subsets; then, feature extraction is performed separately on each subset, and a new set of linear extracted features is obtained. The base learner is trained with this set. An ensemble of classifiers is constructed by repeating these steps several times. The weak classifier of hyperspectral data, classification and regression tree (CART), is selected as the base classifier because it is unstable, fast, and sensitive to rotations of the axes. In this case, small changes in the training data of CART lead to a large change in the results, generating high diversity within the ensemble. Four feature extraction methods, including principal component analysis (PCA), neighborhood preserving embedding (NPE), linear local tangent space alignment (LLTSA), and linearity preserving projection (LPP), are used in rotation forests. Second, spatial contextual information, which is modeled by MRF prior, is used to refine the classification results obtained from the rotation forests by solving a maximum a posteriori problem using the α-expansion graph cuts optimization method. Experimental results, conducted on three hyperspectral data with different resolutions and different contexts, reveal that rotation forest ensembles are competitive with other strong supervised classification methods, such as support vector machines. Rotation forests with local feature extraction methods, including NPE, LLTSA, and LPP, can lead to higher classification accuracies than that achieved by PCA. With the help of MRF, the proposed algorithms can improve the classification accuracies significantly, confirming the importance of spatial contextual information in hyperspectral spectral-spatial classification. Numéro de notice : A2015-519 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=77526 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
065-2015051	RAB	Revue	Centre de documentation	En réserve 3L	Disponible

A physics-based unmixing method to estimate subpixel temperatures on mixed pixels / Manuel Cubero-Castan in IEEE Transactions on geoscience and remote sensing, vol 53 n° 4 (April 2015)

Permalink

Polarimetric incoherent target decomposition by means of independent component analysis / Nikola Besic in IEEE Transactions on geoscience and remote sensing, vol 53 n° 3 (March 2015)

Permalink

Nonlinear unmixing of hyperspectral data using semi-nonnegative matrix factorization / Naoto Yokoya in IEEE Transactions on geoscience and remote sensing, vol 52 n° 2 (February 2014)

Permalink

Crop yield estimation based on unsupervised linear unmixing of multidate hyperspectral imagery / B. Luo in IEEE Transactions on geoscience and remote sensing, vol 51 n° 1 Tome 1 (January 2013)  

Permalink

Multiple Spectral–Spatial Classification Approach for Hyperspectral Data / Yuliya Tarabalka in IEEE Transactions on geoscience and remote sensing, vol 48 n° 11 (November 2010)  

Permalink