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 (101)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Detection and area estimation for photovoltaic panels in urban hyperspectral remote sensing data by an original NMF-based unmixing method / Moussa Sofiane Karoui (2018)
Titre : Detection and area estimation for photovoltaic panels in urban hyperspectral remote sensing data by an original NMF-based unmixing method Type de document : Article/Communication Auteurs : Moussa Sofiane Karoui, Auteur ; Fatima Zohra Benhalouche, Auteur ; Yannick Deville, Auteur ; Khelifa Djerriri, Auteur ; Xavier Briottet , Auteur ; Arnaud Le Bris , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : HYEP / Weber, Christiane Conférence : IGARSS 2018, IEEE International Geoscience And Remote Sensing Symposium, observing, understanding and forecasting the dynamics of our planet 22/07/2018 27/07/2018 Valencia Espagne Proceedings IEEE Importance : pp 1640 - 1643 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] analyse des mélanges spectraux
[Termes IGN] détection de contours
[Termes IGN] factorisation de matrice non-négative
[Termes IGN] image hyperspectrale
[Termes IGN] panneau photovoltaïque
[Termes IGN] zone urbaineRésumé : (auteur) Hyperspectral remote sensing data offer unique opportunities for the characterization of land surface in urban areas. However, no hyperspectral-unmixing based studies have been conducted to automatically detect photovoltaic panels, which represent one of the important components of energy systems in such areas. In this paper, a hyperspectral-unmixing based method is proposed to detect photovoltaic panels and to estimate their areas. This approach is based on an original multiplicative nonnegative matrix factorization (NMF) algorithm with some known photovoltaic panel spectra. The proposed method can be considered as a partial/informed NMF approach. Experiments are conducted on realistic synthetic and real data to evaluate the performance of the proposed approach. In both cases, obtained results show that the proposed method yields much better overall performance than a method from the literature. Numéro de notice : C2018-047 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2018.8518204 Date de publication en ligne : 05/11/2018 En ligne : https://doi.org/10.1109/IGARSS.2018.8518204 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91270 Domain adaptation for large scale classification of very high resolution satellite images with deep convolutional neural networks / Tristan Postadjian (2018)
Titre : Domain adaptation for large scale classification of very high resolution satellite images with deep convolutional neural networks Type de document : Article/Communication Auteurs : Tristan Postadjian , Auteur ; Arnaud Le Bris , Auteur ; Hichem Sahbi, Auteur ; Clément Mallet , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : 2-Pas d'info accessible - article non ouvert / Weber, Christiane Conférence : IGARSS 2018, IEEE International Geoscience And Remote Sensing Symposium, observing, understanding and forecasting the dynamics of our planet 22/07/2018 27/07/2018 Valencia Espagne Proceedings IEEE Importance : pp 3631 - 3634 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] base de données d'occupation du sol
[Termes IGN] classification
[Termes IGN] grande échelle
[Termes IGN] occupation du sol
[Termes IGN] réseau neuronal convolutifRésumé : (auteur) Semantic segmentation of remote sensing images enables in particular land-cover map generation for a given set of classes. Very recent literature has shown the superior performance of deep convolutional neural networks (DCNN) for many tasks, from object recognition to semantic labelling, including the classification of Very High Resolution (VHR) satellite images. However, while plethora of works aim at improving object delineation on geographically restricted areas, few tend to solve this classification task at very large scales. New issues occur such as intra-class class variability, diachrony between surveys, and the appearance of new classes in a specific area, that do not exist in the predefined set of labels. Therefore, this work intends to (i) perform large scale classification and to (ii) expand a set of land-cover classes, using the off-the-shelf model learnt in a specific area of interest and adapting it to unseen areas. Numéro de notice : C2018-048 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2018.8518799 Date de publication en ligne : 05/11/2018 En ligne : https://doi.org/10.1109/IGARSS.2018.8518799 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91271
Titre : Forest stand extraction: which optimal remote sensing data source(s)? Type de document : Article/Communication Auteurs : Clément Dechesne , Auteur ; Clément Mallet , Auteur ; Arnaud Le Bris , Auteur ; Valérie Gouet-Brunet , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : HYEP / Weber, Christiane Conférence : IGARSS 2018, IEEE International Geoscience And Remote Sensing Symposium, observing, understanding and forecasting the dynamics of our planet 22/07/2018 27/07/2018 Valencia Espagne Proceedings IEEE Importance : pp 7283 - 7285 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] Abies (genre)
[Termes IGN] classification dirigée
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] Fagus (genre)
[Termes IGN] image hyperspectrale
[Termes IGN] image multibande
[Termes IGN] montagne
[Termes IGN] peuplement forestier
[Termes IGN] Picea abies
[Termes IGN] Pinus sylvestris
[Termes IGN] Pseudotsuga menziesii
[Termes IGN] Quercus (genre)
[Termes IGN] segmentation sémantique
[Termes IGN] semis de points
[Termes IGN] Vosges, massif desRésumé : (auteur) It has been now widely assessed in the literature that both multi/hyperspectral optical images and 3D lidar point clouds are necessary inputs for tree species based forest stand detection. Nevertheless, no comprehensive analysis of the genuine relevance of each data source has been performed so far: existing strategies are limited to a single spatial and spectral resolution. This paper investigates which is the optimal combination of geospatial optical images and lidar point clouds. A supervised semantic segmentation framework is fed with various sources (multispectral satellite and airborne images, hyperspectral airborne images, low, medium and high density lidar point clouds), ablation cases are defined, and the discrimination performance of several fusion schemes is assessed under a challenging mountainous area in France. Numéro de notice : C2018-049 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2018.8518803 Date de publication en ligne : 05/11/2018 En ligne : https://doi.org/10.1109/IGARSS.2018.8518803 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91272 Documents numériques
peut être téléchargé
Forest stand extraction ... - pdf auteurAdobe Acrobat PDF Fusion de classifications de données SPOT 6/7 et SENTINEL 2 pour la détection des zones artificialisées / Arnaud Le Bris (2018)
Titre : Fusion de classifications de données SPOT 6/7 et SENTINEL 2 pour la détection des zones artificialisées Type de document : Article/Communication Auteurs : Arnaud Le Bris , Auteur ; Cyril Wendl, Auteur ; Nesrine Chehata , Auteur ; Anne Puissant, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Conférence : TEMU 2018, l'Atelier Télédétection pour l'Etude des Milieux Urbains 19/03/2018 20/03/2019 Strasbourg France Open Access Proceedings Langues : Français (fre) Numéro de notice : C2018-075 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans En ligne : https://seafile.unistra.fr/d/9253f57d93884312bca6/files/?p=%2FS2-02_Presentation [...] Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91471 Fusion tardive d’images SPOT-6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl (2018)
Titre : Fusion tardive d’images SPOT-6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine Type de document : Article/Communication Auteurs : Cyril Wendl, Auteur ; Arnaud Le Bris , Auteur ; Nesrine Chehata , Auteur ; Anne Puissant, Auteur ; Tristan Postadjian , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : GeoSud / Weber, Christiane Conférence : CFPT 2018, Conférence Française de Photogrammétrie et de Télédétection 25/06/2018 28/06/2018 Champs-sur-Marne France Open Access Proceedings Importance : 8 p. Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] bati
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification pixellaire
[Termes IGN] extraction automatique
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] occupation du sol
[Termes IGN] réseau neuronal convolutif
[Termes IGN] tachèle
[Termes IGN] zone urbaineRésumé : (auteur) La fusion d’images multispectrales à très haute résolution spatiale (THR) avec des séries temporelles d’images moins résolues spatialement mais comportant plus de bandes spectrales permet d’améliorer la classification de l’occupation du sol. Elle tire en effet le meilleur parti des points forts géométriques et sémantiques de ces deux sources. Ce travail s’intéresse à un processus d’extraction automatique de la tache urbaine fondé sur la fusion tardive de classifications calculées respectivement à partir d’images satellitaires Sentinel-2 et SPOT-6/7. Ces deux sources sont d’abord classées indépendamment selon 5 classes, respectivement par forêts aléatoires et réseaux de neurones convolutifs. Les résultats sont alors fusionnés afin d’extraire les bâtiments le plus finement possible. Cette étape de fusion inclut une fusion au niveau pixellaire suivie d’une étape de régularisation spatiale intégrant un terme lié au contraste de l’image. Le résultat obtenu connaît ensuite une seconde fusion afin d’en déduire la tache urbaine : une mesure a priori de se trouver en zone urbaine est calculée à partir des objets bâtiments détectés précédemment et fusionnée avec une classification binaire dérivée de la classification originale des données Sentinel-2. Numéro de notice : C2018-010 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans Date de publication en ligne : 25/06/2018 En ligne : https://rfiap2018.ign.fr/sites/default/files/ARTICLES/CFPT2018/Oraux/CFPT2018_pa [...] Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90381 Documents numériques
en open access
Fusion tardive d’images SPOT-6/7 - pdf éditeurAdobe Acrobat PDF PermalinkL'occupation et l'usage des sols par télédétection, où en sommes-nous aujourd'hui ? [Introduction] / Clément Mallet (2018)PermalinkPermalinkSuperpixel partitioning of very high resolution satellite images for large-scale classification perspectives with deep convolutional neural networks / Tristan Postadjian (2018)PermalinkUse of satellite image classifications to update and enhance a land cover database / Mohamed Touiti (2018)PermalinkVers une remise en géométrie automatique des anciennes campagnes aériennes photogrammétriques / Arnaud Le Bris (2018)PermalinkInvestigating the potential of deep neural networks for large-scale classification of very high resolution satellite images / Tristan Postadjian in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol IV-1/W1 (May 2017)PermalinkSemantic segmentation of forest stands of pure species combining airborne lidar data and very high resolution multispectral imagery / Clément Dechesne in ISPRS Journal of photogrammetry and remote sensing, vol 126 (April 2017)PermalinkFully automatic analysis of archival aerial images : Current status and challenges / Sébastien Giordano (2017)PermalinkFusion of multi-temporal Sentinel-2 image series and very-high spatial resolution images for detection of urban areas / Cyril Wendl (2017)Permalink