Descripteur
Documents disponibles dans cette catégorie (108)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Lifting scheme-based sparse density feature extraction for remote sensing target detection / Ling Tian in Remote sensing, vol 13 n° 9 (May-1 2021)
[article]
Titre : Lifting scheme-based sparse density feature extraction for remote sensing target detection Type de document : Article/Communication Auteurs : Ling Tian, Auteur ; Yu Cao, Auteur ; Zishan Shi, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 1862 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de cible
[Termes IGN] données clairsemées
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] filtrage numérique d'image
[Termes IGN] image optique
[Termes IGN] image radar moirée
[Termes IGN] transformation en ondelettesRésumé : (auteur) The design of backbones is of great significance for enhancing the location and classification precision in the remote sensing target detection task. Recently, various approaches have been proposed on altering the feature extraction density in the backbones to enlarge the receptive field, make features prominent, and reduce computational complexity, such as dilated convolution and deformable convolution. Among them, one of the most widely used methods is strided convolution, but it loses the information about adjacent feature points which leads to the omission of some useful features and the decrease of detection precision. This paper proposes a novel sparse density feature extraction method based on the relationship between the lifting scheme and convolution, which improves the detection precision while keeping the computational complexity almost the same as the strided convolution. Experimental results on remote sensing target detection indicate that our proposed method improves both detection performance and network efficiency. Numéro de notice : A2021-405 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/rs13091862 Date de publication en ligne : 10/05/2021 En ligne : https://doi.org/10.3390/rs13091862 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97720
in Remote sensing > vol 13 n° 9 (May-1 2021) . - n° 1862[article]Leaf area index estimation of wheat crop using modified water cloud model from the time-series SAR and optical satellite data / Vijay Pratap Yadav in Geocarto international, vol 36 n° 7 ([15/04/2021])
[article]
Titre : Leaf area index estimation of wheat crop using modified water cloud model from the time-series SAR and optical satellite data Type de document : Article/Communication Auteurs : Vijay Pratap Yadav, Auteur ; Rajendra Prasad, Auteur ; Ruchi Bala, Auteur Année de publication : 2021 Article en page(s) : pp 791 - 802 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] blé (céréale)
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] Inde
[Termes IGN] Leaf Area Index
[Termes IGN] polarisation
[Termes IGN] rendement agricole
[Termes IGN] série temporelleRésumé : (Auteur) The time-series synthetic aperture radar (SAR) and optical satellite data were used for the leaf area index (LAI) estimation of wheat crop using modified water cloud model (MWCM) in Varanasi district, India. In this study, MWCM was developed by including scale invariant vegetation fraction (fveg) in the old WCM for the estimation of LAI. The non-linear least square optimization technique was applied to determine the optimum model parameters for the retrieval of LAI which was further validated with the observed LAI. The estimated values of LAI by MWCM at VV polarization shows good correspondence (R2 = 0.901 and RMSE = 0.456 m2/m2) with the observed LAI values than at VH polarization (R2 = 0.742 and RMSE = 0.521 m2/m2).The MWCM shows great potential for the LAI estimation of wheat crop by incorporating optical data (i.e. Sentinel-2) in terms of fveg with SAR data (i.e. Sentinel-1A). Numéro de notice : A2021-294 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1624984 Date de publication en ligne : 10/06/2019 En ligne : https://doi.org/10.1080/10106049.2019.1624984 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97352
in Geocarto international > vol 36 n° 7 [15/04/2021] . - pp 791 - 802[article]Spectral–spatial-aware unsupervised change detection with stochastic distances and support vector machines / Rogério Galante Negri in IEEE Transactions on geoscience and remote sensing, vol 59 n° 4 (April 2021)
[article]
Titre : Spectral–spatial-aware unsupervised change detection with stochastic distances and support vector machines Type de document : Article/Communication Auteurs : Rogério Galante Negri, Auteur ; Alejandro C. Frery, Auteur ; Wallace Casaca, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 2863 - 2876 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] analyse de sensibilité
[Termes IGN] classification non dirigée
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] détection d'ombre
[Termes IGN] détection de changement
[Termes IGN] détection des nuages
[Termes IGN] image ALOS-PALSAR
[Termes IGN] image Landsat-OLI
[Termes IGN] image Sentinel-MSI
[Termes IGN] processus stochastique
[Termes IGN] zone homogèneRésumé : (auteur) Change detection is a topic of great interest in remote sensing. A good similarity metric to compute the variations among the images is the key to high-quality change detection. However, most existing approaches rely on the fixed threshold values or the user-provided ground truth in order to be effective. The inability to deal with artificial objects such as clouds and shadows is a significant difficulty for many change-detection methods. We propose a new unsupervised change-detection framework to address those critical points. The notion of homogeneous regions is introduced together with a set of geometric operations and statistic-based criteria to characterize and distinguish formally the change and nonchange areas in a pair of remote sensing images. Moreover, a robust and statistically well-posed family of stochastic distances is also proposed, which allows comparing the probability distributions of different regions/objects in the images. These stochastic measures are then used to train a support-vector-machine-based approach in order to detect the change/nonchange areas. Three study cases using the images acquired with different sensors are given in order to compare the proposed method with other well-known unsupervised methods. Numéro de notice : A2021-282 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3009483 Date de publication en ligne : 24/07/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3009483 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97389
in IEEE Transactions on geoscience and remote sensing > vol 59 n° 4 (April 2021) . - pp 2863 - 2876[article]Complémentarité des images optiques Sentinel-2 avec les images radar Sentinel-1 et ALOS-PALSAR-2 pour la cartographie de la couverture végétale : application à une aire protégée et ses environs au Nord-Ouest du Maroc via trois algorithmes d’apprentissage automatique / Siham Acharki in Revue Française de Photogrammétrie et de Télédétection, n° 223 (mars - décembre 2021)
[article]
Titre : Complémentarité des images optiques Sentinel-2 avec les images radar Sentinel-1 et ALOS-PALSAR-2 pour la cartographie de la couverture végétale : application à une aire protégée et ses environs au Nord-Ouest du Maroc via trois algorithmes d’apprentissage automatique Type de document : Article/Communication Auteurs : Siham Acharki, Auteur ; Pierre-Louis Frison , Auteur ; Mina Amharref, Auteur ; et al., Auteur Année de publication : 2021 Projets : 3-projet - voir note / Article en page(s) : pp 143 - 158 Note générale : Bibliographie
projet de recherche PPR2/2016/79, OGI-Env, soutenu par le ministère de l’Éducation nationale, de la Formation professionnelle, de l’Enseignement supérieur et de la Recherche scientifique (MENFPESRS) et le Centre national pour la recherche scientifique et technique (CNRST)Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] aire protégée
[Termes IGN] apprentissage automatique
[Termes IGN] carte de la végétation
[Termes IGN] classification barycentrique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] couvert végétal
[Termes IGN] image ALOS-PALSAR
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] MarocRésumé : (Auteur) Dans cet article, nous évaluons les performances de classification de trois algorithmes non paramétriques (kNN, RF et SVM) en utilisant les données multi-temporelles de trois satellites (Sentinel-1, Alos-Palsar-2 et Sentinel-2) et de leurs combinaisons. La zone d'étude choisie se caractérise par un climat méditerranéen subhumide et une topographie très accidentée qui rend la classification d’occupation du sol particulièrement difficile. En outre, elle contient une aire protégée nommée Jbel Moussa et présente une diversité biologique exceptionnelle. Afin de suivre le couvert végétal de cette dernière, nous avons acquis et prétraités les images satellitaires optiques et radar pour la période du 1er janvier au 31 décembre 2017. Ensuite, nous avons combiné les trois satellites, soit douze scénarios produits. Des cartes de classifications illustrent notre approche. Un total de trente-six classifications a été obtenu, en se basant sur sept classes : eau, bâtiment et infrastructures, sol nu, végétation peu dense, prairies, forêt peu dense et forêt dense. Les résultats ont montré que pour tous les scénarios, la précision globale la plus élevée a été produite par RF (53,03%-93,06%), suivie de kNN (49,16%-89,63%), tandis que SVM (47,86%-86,08%) a produit la précision de classification la plus faible. L'étude a également montré une similitude entre les performances de la combinaison des trois satellites et celles de Sentinel-2 seul. Les estimations de la superficie pour les différentes classes vont de 0,85 km2 (0,11% de la zone d'étude) à 326,84 km2 (41,31% de la zone d'étude) Numéro de notice : A2021-890 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : FORET/IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2021.599 Date de publication en ligne : 29/11/2021 En ligne : https://doi.org/10.52638/rfpt.2021.599 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99215
in Revue Française de Photogrammétrie et de Télédétection > n° 223 (mars - décembre 2021) . - pp 143 - 158[article]Evaluation du potentiel des series d’images multi-temporelles optique et radar des satellites Sentinel 1 & 2 pour le suivi d’une zone côtière en contexte tropical: cas de l’estuaire du Cameroun pour la période 2015-2020 / Nourdi Njutapvoui in Revue Française de Photogrammétrie et de Télédétection, n° 223 (mars - décembre 2021)
[article]
Titre : Evaluation du potentiel des series d’images multi-temporelles optique et radar des satellites Sentinel 1 & 2 pour le suivi d’une zone côtière en contexte tropical: cas de l’estuaire du Cameroun pour la période 2015-2020 Type de document : Article/Communication Auteurs : Nourdi Njutapvoui, Auteur ; Raphael Onguene, Auteur ; Jean-Paul Rudant , Auteur Année de publication : 2021 Article en page(s) : pp 88 - 103 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] Cameroun
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données multitemporelles
[Termes IGN] écosystème
[Termes IGN] érosion côtière
[Termes IGN] estuaire
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] indice de végétation
[Termes IGN] restauration d'image
[Termes IGN] trait de côte
[Termes IGN] zone intertropicaleRésumé : (Auteur) Ce travail porte sur l’évaluation du potentiel des images multi-temporelles et multi-capteurs (optique et radar) des satellites Sentinel 1 et 2 pour la cartographie de l’occupation du sol et le suivi de l’évolution du trait de côte dans un écosystème tropical sur la période 2015 à 2020. La zone d’étude choisie est l’Estuaire du Cameroun. Cette zone représente un milieu de transition écologique majeur dans la sous-région avec la présence de réserves naturelles protégées (mangroves, forêt dense, zones humides) mais aussi une forte activité anthropique (constructions, agriculture, forêt dégradée). L’approche méthodologique a consisté en une chaine de prétraitements et d’analyses visuelles d’images, suivie d’une combinaison des bandes de chaque capteur, d’une classification supervisée Random Forest pour ébaucher une cartographie de l’occupation du sol et enfin une numérisation du trait de côte. Globalement, les résultats montrent que la classification, avec les images Sentinel 2 en utilisant 10 bandes et en ajoutant 4 indices de végétation, s’avère légèrement plus précise (95.75%) que celle issue des 13 bandes initiales (91.78%). La classification avec les seules images Sentinel 1A double polarisation (VV, VH) conduit à une précision de 78.44%. La combinaison des bandes Sentinel 2A (10 bandes et 4 indices) et Sentinel 1 améliore les résultats et conduit à une précision de 98.76%. Nos résultats montrent aussi que l’utilisation des séries chronologiques d’images multi-temporelles améliore considérablement la précision de classification par rapport à l’usage d’une seule image (mono-date), et cela pour les deux capteurs, soit un gain supplémentaire de 13% et 10% respectivement pour Sentinel-2 et Sentinel-1. Néanmoins ce gain reste faible pour les classes temporellement stables. Les résultats d’analyse de l’évolution du trait de côte montrent que l’estuaire du Cameroun est perturbé selon différents niveaux d’érosion (Cap Cameroun, Partie Nord île Manoka, embouchure de la Sanaga), et d’accrétion (Limbé, et Partie Sud île Manoka) et aussi par de faible variations internes. La fusion des données de télédétection optique et radar dans la discrimination des classes d’occupation du sol, a permis de montrer que les zones de constructions sont les plus vulnérables à l’érosion côtière. Par contre, la présence de la végétation (mangrove, forêt) stabilise et protège la côte d’éventuels risques de cette nature. Numéro de notice : A2021-665 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2021.586 Date de publication en ligne : 25/08/2021 En ligne : https://doi.org/10.52638/rfpt.2021.586 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98762
in Revue Française de Photogrammétrie et de Télédétection > n° 223 (mars - décembre 2021) . - pp 88 - 103[article]Extraction of impervious surface using Sentinel-1A time-series coherence images with the aid of a Sentinel-2A image / Wenfu Wu in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 3 (March 2021)PermalinkAssessing the interest of a multi-modal gap-filling strategy for monitoring changes in grassland parcels / Anatol Garioud (2021)PermalinkDeep learning for wildfire progression monitoring using SAR and optical satellite image time series / Puzhao Zhang (2021)PermalinkEnsemble learning methods on the space of covariance matrices : application to remote sensing scene and multivariate time series classification / Sara Akodad (2021)PermalinkEvaluation of Sentinel-1 & 2 time series for the identification and characterization of ecological continuities, from wooded to crop-dominated landscapes / Audrey Mercier (2021)PermalinkExamining the effectiveness of Sentinel-1 and 2 imagery for commercial forest species mapping / Mthembeni Mngadi in Geocarto international, vol 36 n° 1 ([01/01/2021])PermalinkMulti-modal temporal attention models for crop mapping from satellite time series / Vivien Sainte Fare Garnot (2021)PermalinkReal-time multimodal semantic scene understanding for autonomous UGV navigation / Yifei Zhang (2021)PermalinkSeasonal flow variability of Greenlandic glaciers : satellite observations and numerical modeling to study driving processes / Anna Derkacheva (2021)PermalinkPermalinkCartographie des cultures dans le périmètre du Loukkos (Maroc) : apport de la télédétection radar et optique / Siham Acharki in Revue Française de Photogrammétrie et de Télédétection, n° 222 (novembre 2020)PermalinkCombination of Landsat 8 OLI and Sentinel-1 SAR time-series data for mapping paddy fields in parts of West and Central Java provinces, Indonesia / Sanjiwana Arjasakusuma in ISPRS International journal of geo-information, vol 9 n° 11 (November 2020)PermalinkA deep learning framework for matching of SAR and optical imagery / Lloyd Haydn Hughes in ISPRS Journal of photogrammetry and remote sensing, vol 169 (November 2020)PermalinkA generic framework for improving the geopositioning accuracy of multi-source optical and SAR imagery / Niangang Jiao in ISPRS Journal of photogrammetry and remote sensing, vol 169 (November 2020)PermalinkTextural classification of remotely sensed images using multiresolution techniques / Rizwan Ahmed Ansari in Geocarto international, vol 35 n° 14 ([15/10/2020])PermalinkMapping wetland using the object-based stacked generalization method based on multi-temporal optical and SAR data / Yaotong Cai in International journal of applied Earth observation and geoinformation, vol 92 (October 2020)PermalinkX-ModalNet: A semi-supervised deep cross-modal network for classification of remote sensing data / Danfeng Hong in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)PermalinkImproved crop classification with rotation knowledge using Sentinel-1 and -2 time series / Sébastien Giordano in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 7 (July 2020)PermalinkIntertidal topography mapping using the waterline method from Sentinel-1 & -2 images: The examples of Arcachon and Veys Bays in France / Edward Salameh in ISPRS Journal of photogrammetry and remote sensing, vol 163 (May 2020)PermalinkImproving the accuracy of land cover classification in cloud persistent areas using optical and radar satellite image time series / Maylis Lopes in Methods in ecology and evolution, vol 11 n° 4 (April 2020)Permalink