|
[n° ou bulletin]
[n° ou bulletin]
|
Réservation
Réserver ce documentExemplaires (1)
Code-barres | Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|---|
059-2018041 | GEO | Revue | Centre de documentation | Revues en salle | Disponible |
Dépouillements


Object-based crop classification using multi-temporal SPOT-5 imagery and textural features with a Random Forest classifier / Huanxue Zhang in Geocarto international, vol 33 n° 10 (October 2018)
![]()
[article]
Titre : Object-based crop classification using multi-temporal SPOT-5 imagery and textural features with a Random Forest classifier Type de document : Article/Communication Auteurs : Huanxue Zhang, Auteur ; Qiangzi Li, Auteur ; Jiangui Liu, Auteur ; Taifeng Dong, Auteur ; Heather McNairn, Auteur Année de publication : 2018 Article en page(s) : pp 1017 - 1035 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes descripteurs IGN] analyse d'image orientée objet
[Termes descripteurs IGN] bande spectrale
[Termes descripteurs IGN] classification par forêts aléatoires
[Termes descripteurs IGN] corrélation par régions de niveaux de gris
[Termes descripteurs IGN] extraction de traits caractéristiques
[Termes descripteurs IGN] image SPOT 5
[Termes descripteurs IGN] indice de végétation
[Termes descripteurs IGN] limite de terrain
[Termes descripteurs IGN] Ontario (Canada)
[Termes descripteurs IGN] réflectance spectrale
[Termes descripteurs IGN] segmentation d'image
[Termes descripteurs IGN] surface cultivée
[Termes descripteurs IGN] surveillance agricole
[Termes descripteurs IGN] texture
[Termes descripteurs IGN] variogrammeRésumé : (auteur) In this study, an object-based image analysis (OBIA) approach was developed to classify field crops using multi-temporal SPOT-5 images with a random forest (RF) classifier. A wide range of features, including the spectral reflectance, vegetation indices (VIs), textural features based on the grey-level co-occurrence matrix (GLCM) and textural features based on geostatistical semivariogram (GST) were extracted for classification, and their performance was evaluated with the RF variable importance measures. Results showed that the best segmentation quality was achieved using the SPOT image acquired in September, with a scale parameter of 40. The spectral reflectance and the GST had a stronger contribution to crop classification than the VIs and GLCM textures. A subset of 60 features was selected using the RF-based feature selection (FS) method, and in this subset, the near-infrared reflectance and the image acquired in August (jointing and heading stages) were found to be the best for crop classification. Numéro de notice : A2019-049 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2017.1333533 date de publication en ligne : 23/06/2017 En ligne : https://doi.org/10.1080/10106049.2017.1333533 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92063
in Geocarto international > vol 33 n° 10 (October 2018) . - pp 1017 - 1035[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 059-2018041 GEO Revue Centre de documentation Revues en salle Disponible Automated extraction of 3D vector topographic feature line from terrain point cloud / Wei Zhou in Geocarto international, vol 33 n° 10 (October 2018)
![]()
[article]
Titre : Automated extraction of 3D vector topographic feature line from terrain point cloud Type de document : Article/Communication Auteurs : Wei Zhou, Auteur ; Rencan Peng, Auteur ; Jian Dong, Auteur ; Tao Wang, Auteur Année de publication : 2018 Article en page(s) : pp 1036 - 1047 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes descripteurs IGN] arbre aléatoire minimum
[Termes descripteurs IGN] détection d'objet
[Termes descripteurs IGN] extraction de traits caractéristiques
[Termes descripteurs IGN] ligne caractéristique
[Termes descripteurs IGN] lissage de données
[Termes descripteurs IGN] modèle numérique de terrain
[Termes descripteurs IGN] objet géographique linéaire
[Termes descripteurs IGN] repère de Laplace
[Termes descripteurs IGN] segmentation par croissance de régions
[Termes descripteurs IGN] semis de pointsRésumé : (auteur) This paper presents an automated topographic feature lines detection method that directly extracts 3D vector topographic feature lines from terrain point cloud. First, signed surface variation (SSV) is introduced to extract the potential feature points. Secondly, the potential feature points are segmented to different clusters by combining region growing segmentation and conditional Euclidean clustering. In order to extract feature points, the potential feature points in each cluster are iteratively thinned using a HC-Laplacian smoothing method with SSV weighted taken into account. Besides, SSV-based and elevation-based simple rules are added for accelerating this thinning process. Finally, the feature lines are obtained by constructing the minimum spanning tree of the extracted feature points. By comparing with manually digitized reference lines, the correctness and the completeness of extracted results are about 80% or even higher, which are much higher than those extracted by D8 algorithm. Numéro de notice : A2019-046 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2017.1325521 date de publication en ligne : 18/05/2017 En ligne : https://doi.org/10.1080/10106049.2017.1325521 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92064
in Geocarto international > vol 33 n° 10 (October 2018) . - pp 1036 - 1047[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 059-2018041 GEO Revue Centre de documentation Revues en salle Disponible Novel fusion approach on automatic object extraction from spatial data: case study Worldview-2 and TOPO5000 / Umut G. Sefercik in Geocarto international, vol 33 n° 10 (October 2018)
![]()
[article]
Titre : Novel fusion approach on automatic object extraction from spatial data: case study Worldview-2 and TOPO5000 Type de document : Article/Communication Auteurs : Umut G. Sefercik, Auteur ; Serkan Karakis, Auteur ; Can Atalay, Auteur ; Ibrahim Yigit, Auteur ; Umit Gokmen, Auteur Année de publication : 2018 Article en page(s) : pp 1139 - 1154 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes descripteurs IGN] analyse d'image orientée objet
[Termes descripteurs IGN] détection d'objet
[Termes descripteurs IGN] détection du bâti
[Termes descripteurs IGN] extraction automatique
[Termes descripteurs IGN] extraction de traits caractéristiques
[Termes descripteurs IGN] extraction du réseau routier
[Termes descripteurs IGN] filtre de Wallis
[Termes descripteurs IGN] fusion de MNS
[Termes descripteurs IGN] image numérique
[Termes descripteurs IGN] image Worldview
[Termes descripteurs IGN] modèle numérique de surface
[Termes descripteurs IGN] TurquieRésumé : (auteur) The automatic extraction of information content from remotely sensed data is always challenging. We suggest a novel fusion approach to improve the extraction of this information from mono-satellite images. A Worldview-2 (WV-2) pan-sharpened image and a 1/5000-scaled topographic vector map (TOPO5000) were used as the sample data. Firstly, the buildings and roads were manually extracted from WV-2 to point out the maximum extractable information content. Subsequently, object-based automatic extractions were performed. After achieving two-dimensional results, a normalized digital surface model (nDSM) was generated from the underlying digital aerial photos of TOPO5000, and the automatic extraction was repeated by fusion with the nDSM to include individual object heights as an additional band for classification. The contribution was tested by precision, completeness and overall quality. Novel fusion technique increased the success of automatic extraction by 7% for the number of buildings and by 23% for the length of roads. Numéro de notice : A2019-047 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2017.1353646 date de publication en ligne : 27/07/2017 En ligne : https://doi.org/10.1080/10106049.2017.1353646 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92068
in Geocarto international > vol 33 n° 10 (October 2018) . - pp 1139 - 1154[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 059-2018041 GEO Revue Centre de documentation Revues en salle Disponible