Détail de l'auteur
Auteur Arnaud Le Bris
Commentaire :
Researcher in LaSTIG, STRUDEL team
Autorités liées :
idHAL :
arnaud-le-bris
idRef :
autre URL :
ORCID :
Scopus :
Publons :
G. Scholar :
DBLP URL :
|
Documents disponibles écrits par cet auteur (74)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Classification of time series of Sentinel-2 images for large scale mapping in Cameroon / Hermann Tagne (2020)
Titre : Classification of time series of Sentinel-2 images for large scale mapping in Cameroon Type de document : Article/Communication Auteurs : Hermann Tagne, Auteur ; Arnaud Le Bris , Auteur ; David Monkam, Auteur ; Clément Mallet , Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2020 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B3 Projets : TOSCA Parcelle / Le Bris, Arnaud Conférence : ISPRS 2020, Commission 3, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Archives Commission 3 Importance : pp 633 - 640 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] Cameroun
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification
[Termes IGN] image optique
[Termes IGN] image Sentinel-MSI
[Termes IGN] mise à jour de base de données
[Termes IGN] série temporelleRésumé : (auteur) Sentinel-2 satellites provide dense image time series exhibiting high spectral, spatial and temporal resolution. These images are in particular of utter interest to map Land-Cover (LC) at large scale. LC maps can now be computed on a yearly basis at the scale of a country with efficient supervised classifiers, assuming suitable training data are available. However, the efficient exploitation of large amount of Sentinel-2 imagery still remain challenging on unexplored areas where state-of-the-art classifiers are prone to fail. This paper focuses on Land-Cover mapping over Cameroon for the purpose of updating the national topographic geodatabase. The ι2 framework is adopted and tested for the specificity of the country. Here, experiments focus on generic classes (five) which enables providing robust focusing masks for higher resolution classifications. Two strategies are compared: (i) a LC map is calculated out of a year long time series and (ii) monthly LC maps are generated and merged into a single yearly map. Satisfactory accuracy scores are obtained, allowing to provide a first step towards finer-grained map retrieval. Numéro de notice : C2020-006 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B3-2020-633-2020 Date de publication en ligne : 21/08/2020 En ligne : https://doi.org/10.5194/isprs-archives-XLIII-B3-2020-633-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95656
Titre : Current challenges in operational very high resolution land-cover mapping Type de document : Article/Communication Auteurs : Clément Mallet , Auteur ; Arnaud Le Bris , Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2020 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B2-2020 Projets : MAESTRIA / Mallet, Clément Conférence : ISPRS 2020, Commission 2, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Annals Commission 2 Importance : pp 703 - 710 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] base de données d'occupation du sol
[Termes IGN] carte d'occupation du sol
[Termes IGN] chaîne de traitement
[Termes IGN] image à très haute résolutionRésumé : (auteur) Many land-cover products have been made available for a large range of end-users over the last ten years, even at global scales. In particular, remote sensing data analysis has proved to be the most feasible solution for automation purposes, at multiple spatial scales. However, current solutions are not sufficient for designing better products, adapted to real-case applications, operational constraints, and the generation of services, built upon these core layers. In this paper, we review the main requirements and the recent changes in remote sensing for the specific case of very high resolution land-cover mapping. We also comment current and evaluate challenges for the optimal exploitation of Earth Observation images with the aim of automatically generating maps tailored to specific end-users’ needs. We advocate for more challenging large-scale benchmarks and for human-in-the-loop solutions. Numéro de notice : C2020-007 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B2-2020-703-2020 Date de publication en ligne : 21/08/2020 En ligne : https://doi.org/10.5194/isprs-archives-XLIII-B2-2020-703-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95657 Vers une occupation du sol France entière par imagerie satellite à très haute résolution / Tristan Postadjian (2020)
Titre : Vers une occupation du sol France entière par imagerie satellite à très haute résolution Type de document : Thèse/HDR Auteurs : Tristan Postadjian , Auteur ; Clément Mallet , Directeur de thèse ; Arnaud Le Bris , Encadrant ; Hichem Sahbi, Encadrant Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2020 Importance : 169 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée pour l'obtention du titre de Docteur de l'Université Paris-Est, spécialité : Mathématiques, Sciences et Technologies de l'Information et de la CommunicationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] base de données localisées IGN
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification automatique
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] image à très haute résolution
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] mise à jour de base de données
[Termes IGN] occupation du sol
[Termes IGN] OCS GEIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La connaissance de la couverture des territoires en terme d’occupation des sols est devenue un enjeu majeur du XXIème siècle. Que ce soit à l’échelle nationale ou à une échelle plus globale, les initiatives se multiplient pour proposer des cartographies d’occupation des sols qui répondent à des besoins propres à chacune. Consistant à classer des objets présents sur le sol selon des nomenclatures prédéfinies, la tâche est fastidieuse à l’heure actuelle avec des processus essentiellement manuels ou semi-manuels, nécessaires pour garantir le respect de certaines qualités et spécifications. De son côté, la télédétection spatiale a connu un essor conséquent avec la multiplication des capteurs optiques d’observation de la Terre disponibles et de leur diversité en terme de résolutions spectrale, spatiale et temporelle. Ces capteurs optiques proposent chacun une description de la surface terrestre qui leur est propre, et donc caractérisant un ou plusieurs type(s) d’occupation(s) des sols. Ces types dépendent justement des caractéristiques de ces capteurs, caractéristiques adaptées davantage à l’observation des glaciers, des forêts ou des zones plus urbaines par exemple. Les satellites SPOT 6 et SPOT 7, lancés en 2012 et 2014 respectivement, sont dotés de capteurs optiques à très haute résolution spatiale, et acquièrent des images dans quatre bandes spectrales à haute résolution ainsi qu’une bande panchromatique à très haute résolution, permettant de porter la résolution des quatre canaux spectraux à 1,5 m. L’IGN, à partir de ces acquisitions SPOT disponibles sur le pôle de données surfaces continentales THEIA, produit chaque année une couverture d’orthophotos sur l’ensemble du territoire français. Il apparaît dès lors intéressant d’exploiter cette couverture pour générer une OCS millésimée. La problématique de cartographie de l’occupation des sols automatique à partir d’images aériennes ou satellites occupe la communauté de télédétection depuis longtemps, par le biais de processus de classification supervisés, tels que les SVMs, ou les forêts aléatoires pour, entre autres, la vitesse d’exécution de ces derniers. Mais les résultats obtenus par ces méthodes n’ont pas encore permis une réelle automatisation, notamment en adéquation avec des spécifications existantes (erreurs encore trop importantes). En parallèle de ces algorithmes depuis longtemps utilisés, des méthodes d’apprentissage automatique d’un genre nouveau, bien que reposant sur des concepts remontant aux années 1950, émergent depuis une décennie et sont étroitement liés aux recherches menées en machine learning. L’apprentissage profond, dont il est question ici, a fait ses preuves dans de nombreux domaines depuis le traitement naturel du langage, à la reconnaissance d’objets dans des images. Cet essor récent est la conséquence de la disponibilité de grandes bases de données d’apprentissage, ainsi que la démocratisation de l’utilisation de GPUs et de l’accroissement général des puissances de calcul. Représentants principaux de cette famille d’apprentissage, les réseaux de neurones profonds ont réellement bouleversé le monde actuel au quotidien. Que ce soit au niveau académique en terme de recherche, au niveau sociétal, au travers des smartphones par exemple (reconnaissances vocale, faciale, systèmes de recommandation), ou même au niveau politique, avec les questions déontologiques que cela peut poser en terme de confidentialité des données (RGPD) et de protection des libertés individuelles, l’apprentissage profond est au cœur de technologies utilisées par la plupart des gens, de manière transparente et donc sans que ceux-ci s’en aperçoivent. En effet, pour afficher de telles performances dans tant de domaines, l’inconvénient pratique est le besoin très massif de données d’apprentissage lorsque l’on manipule ces algorithmes. Les bases de données géographiques de l’IGN sont donc une opportunité dans notre cas, permettant d’exploiter au mieux les images très haute résolution monoscopiques acquises par les satellites SPOT 6 et 7 en les classifiant automatiquement par réseaux de neurones profonds appris sur ces mêmes bases de données. C’est cette approche que nous proposons dans ces travaux de thèse, avec une volonté d’étudier cette problématique tout en se plaçant dans un cadre plus large à visée opérationnelle, afin de proposer des cartographies sur de grandes étendues géographiques. Les expérimentations menées répondent aux questions soulevées lorsque l’on cherche à classifier de grandes zones : par exemple, la couverture annuelle SPOT produite par l’IGN étant unique, deux images adjacentes de cette couverture peuvent avoir été acquises à des époques différentes. Également, nous étudions les possibilités de transfert d’apprentissage par fine-tuning qui offre beaucoup d’avantages en matière de charges de calcul et de jeu d’apprentissage. Enfin, dans un contexte de mise à jour automatique de bases de données géographiques, l’exploitation jointe d’images aériennes et de réseaux de neurones profonds est étudiée, avec un accent mis sur la préparation des données d’apprentissage issues des bases de données géographiques de l’IGN qui présentent certains inconvénients. Note de contenu : 1- Introduction
2- Etat de l'art
3- Apprentissage profond sur images satellites très haute résolution
4- Mettre à jour des bases de données d'OCS
5- Conclusion et perspectivesNuméro de notice : 25964 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : FORET/IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Paris-Est : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 08/12/2020 En ligne : https://theses.hal.science/tel-03045637 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96546 A learning approach to evaluate the quality of 3D city models / Oussama Ennafii in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 12 (December 2019)
[article]
Titre : A learning approach to evaluate the quality of 3D city models Type de document : Article/Communication Auteurs : Oussama Ennafii , Auteur ; Arnaud Le Bris , Auteur ; Florent Lafarge, Auteur ; Clément Mallet , Auteur Année de publication : 2019 Projets : 1-Pas de projet / Mallet, Clément Article en page(s) : pp 865 - 878 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] Bâti-3D
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] détection d'erreur
[Termes IGN] données localisées
[Termes IGN] France (administrative)
[Termes IGN] image à très haute résolution
[Termes IGN] modèle 3D de l'espace urbain
[Termes IGN] modèle d'erreur
[Termes IGN] modèle numérique de surface
[Termes IGN] qualité des données
[Termes IGN] taxinomieRésumé : (Auteur) The automatic generation of three-dimensional (3D) building models from geospatial data is now a standard procedure. An abundance of literature covers the last two decades, and several solutions are now available. However, urban areas are very complex environments. Inevitably, practitioners still have to visually assess, at a city-scale, the correctness of these models and detect frequent reconstruction errors. Such a process relies on experts and is highly time-consuming, with approximately two hours/km 2 per expert. This work proposes an approach for automatically evaluating the quality of 3D building models. Potential errors are compiled in a novel hierarchical and versatile taxonomy. This allows, for the first time, to disentangle fidelity and modeling errors, whatever the level of details of the modeled buildings. The quality of models is predicted using the geometric properties of buildings and, when available, Very High Resolution images and Digital Surface Models. A baseline of handcrafted, yet generic, features is fed into a Random Forest classifier. Both multiclass and multilabel cases are considered: due to the interdependence between classes of errors, it is possible to retrieve all errors at the same time while simply predicting correct and erroneous buildings. The proposed framework was tested on three distinct urban areas in France with more than 3000 buildings. 80%–99% F-score values are attained for the most frequent errors. For scalability purposes, the impact of the urban area composition on the error prediction was also studied, in terms of transferability, generalization, and representativeness of the classifiers. It showed the necessity of multimodal remote sensing data and mixing training samples from various cities to ensure a stability of the detection ratios, even with very limited training set sizes. Numéro de notice : A2019-569 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Autre URL associée : vers HAL Thématique : IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.12.865 Date de publication en ligne : 01/12/2019 En ligne : https://doi.org/10.14358/PERS.85.12.865 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94440
in Photogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 12 (December 2019) . - pp 865 - 878[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 105-2019121 SL Revue Centre de documentation Revues en salle Disponible Documents numériques
peut être téléchargé
A learning approach to evaluate the quality of 3D city models - preprint HALAdobe Acrobat PDF Partial linear NMF-based unmixing methods for detection and area estimation of photovoltaic panels in urban hyperspectral remote sensing data / Moussa Sofiane Karoui in Remote sensing, vol 11 n° 18 (September 2019)
[article]
Titre : Partial linear NMF-based unmixing methods for detection and area estimation of photovoltaic panels in urban hyperspectral remote sensing data Type de document : Article/Communication Auteurs : Moussa Sofiane Karoui, Auteur ; Fatima Zohra Benhalouche, Auteur ; Yannick Deville, Auteur ; Khelifa Djerriri, Auteur ; Xavier Briottet , Auteur ; Thomas Houet, Auteur ; Arnaud Le Bris , Auteur ; Christiane Weber, Auteur Année de publication : 2019 Projets : HYEP / Weber, Christiane Article en page(s) : n° 2164 Note générale : bibliographie
This paper constitutes a substantial extension of: https://doi.org/10.1109/IGARSS.2018.8518204Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] détection d'objet
[Termes IGN] factorisation de matrice non-négative
[Termes IGN] image hyperspectrale
[Termes IGN] panneau photovoltaïque
[Termes IGN] zone urbaineRésumé : (auteur) High-spectral-resolution hyperspectral data are acquired by sensors that gather images from hundreds of narrow and contiguous bands of the electromagnetic spectrum. These data offer unique opportunities for characterization and precise land surface recognition in urban areas. So far, few studies have been conducted with these data to automatically detect and estimate areas of photovoltaic panels, which currently constitute an important part of renewable energy systems in urban areas of developed countries. In this paper, two hyperspectral-unmixing-based methods are proposed to detect and to estimate surfaces of photovoltaic panels. These approaches, related to linear spectral unmixing (LSU) techniques, are based on new nonnegative matrix factorization (NMF) algorithms that exploit known panel spectra, which makes them partial NMF methods. The first approach, called Grd-Part-NMF, is a gradient-based method, whereas the second one, called Multi-Part-NMF, uses multiplicative update rules. To evaluate the performance of these approaches, experiments are conducted on realistic synthetic and real airborne hyperspectral data acquired over an urban region. For the synthetic data, obtained results show that the proposed methods yield much better overall performance than NMF-unmixing-based methods from the literature. For the real data, the obtained detection and area estimation results are first confirmed by using very high-spatial-resolution ortho-images of the same regions. These results are also compared with those obtained by standard NMF-unmixing-based methods and by a one-class-classification-based approach. This comparison shows that the proposed approaches are superior to those considered from the literature. Numéro de notice : A2019-430 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs11182164 Date de publication en ligne : 17/09/2019 En ligne : https://doi.org/10.3390/rs11182164 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93739
in Remote sensing > vol 11 n° 18 (September 2019) . - n° 2164[article]Archival aerial photogrammetric surveys, a data source to study land use/cover evolution over the last century : opportunities and issues / Arnaud Le Bris (2019)PermalinkA comparison of several spectral and spatial configuration for urban material classification / Arnaud Le Bris (2019)PermalinkGeographic Information Systems in Geospatial Intelligence, ch. 5. Spectral optimization of airborne multispectral camera for land cover classification: automatic feature selection and spectral band clustering / Arnaud Le Bris (2019)PermalinkHYEP, HYperspectral imagery for Environmental urban Planning : principaux résultats / Christiane Weber (2019)PermalinkInnovative Methods and Products of the " Urbanization and Artificialization" Scientific Expertise Centre / Anne Puissant (2019)PermalinkInternational workshop on large scale land cover mapping from remote sensing, 3 décembre 2019 / Mathieu Fauvel (2019)PermalinkMacroalgues intertidales : Apport de la télédétection hyperspectrale pour le suivi sectoriel dans le cadre de la DCE/DCSMM / Arnaud Le Bris (2019)PermalinkMultimodal scene understanding: algorithms, applications and deep learning, ch. 11. Decision fusion of remote-sensing data for land cover classification / Arnaud Le Bris (2019)PermalinkPermalinkSensitivity of urban material classification to spatial and spectral configurations from visible to short-wave infrared / Arnaud Le Bris (2019)Permalink