Centre de documentation
scientifique

Correcting laser scanning intensity recorded in a cave environment for high-resolution lithological mapping: A case study of the Gouffre Georges, France / Michaela Nováková in Remote sensing of environment, vol 280 (October 2022)  

Public [article]  inRemote sensing of environment > vol 280 (October 2022) . - n° 113210 Titre : Correcting laser scanning intensity recorded in a cave environment for high-resolution lithological mapping: A case study of the Gouffre Georges, France Type de document : Article/Communication Auteurs : Michaela Nováková, Auteur ; Michal Gallay, Auteur ; Jozef Šupinský, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 113210 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] amélioration du contraste [Termes IGN] Ariège (09) [Termes IGN] cartographie géologique [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] filtrage du bruit [Termes IGN] grotte [Termes IGN] intensité lumineuse [Termes IGN] lithologie [Termes IGN] roche [Termes IGN] semis de points [Termes IGN] télémétrie laser terrestre Résumé : (auteur) Active remote sensing by laser scanning (LiDAR) has markedly improved the mapping of a cave environment with an unprecedented level of accuracy and spatial detail. However, the use of laser intensity simultaneously recorded during the scanning of caves remains unexplored despite it having promising potential for lithological mapping as it has been demonstrated by many applications in open-sky conditions. The appropriate use of laser intensity requires calibration and corrections for influencing factors, which are different in caves as opposed to the above-ground environments. Our study presents an efficient and complex workflow to correct the recorded intensity, which takes into consideration the acquisition geometry, micromorphology of the cave surface, and the specific atmospheric influence previously neglected in terrestrial laser scanning. The applicability of the approach is demonstrated on terrestrial LiDAR data acquired in the Gouffre Georges, a cave located in the northern Pyrenees in France. The cave is unique for its geology and lithology allowing for observation, with a spectacular continuity without any vegetal cover, of the contact between marble and lherzolite rocks and tectonic structures that characterize such contact. The overall accuracy of rock surface classification based on the corrected laser intensity was over 84%. The presence of water or a wet surface introduced bias of the intensity values towards lower values complicating the material discrimination. Such conditions have to be considered in applications of the recorded laser intensity in mapping underground spaces. The presented method allows for putting geological observations in an absolute spatial reference frame, which is often very difficult in a cave environment. Thus, laser scanning of the cave geometry assigned with the corrected laser intensity is an invaluable tool to unravel the complexity of such a lithological environment. Numéro de notice : A2022-775 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.rse.2022.113210 Date de publication en ligne : 10/08/2022 En ligne : https://doi.org/10.1016/j.rse.2022.113210 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101807 [article]

Deep image deblurring: A survey / Kaihao Zhang in International journal of computer vision, vol 130 n° 9 (September 2022)  

Public [article]  inInternational journal of computer vision > vol 130 n° 9 (September 2022) . - pp 2103 - 2130 Titre : Deep image deblurring: A survey Type de document : Article/Communication Auteurs : Kaihao Zhang, Auteur ; Wenqi Ren, Auteur ; Wenhan Luo, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 2103 - 2130 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] accentuation d'image [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] déconvolution [Termes IGN] estimation par noyau [Termes IGN] filtrage du bruit [Termes IGN] image floue [Termes IGN] qualité d'image [Termes IGN] réseau antagoniste génératif [Termes IGN] taxinomie [Termes IGN] vision par ordinateur Résumé : (auteur) Image deblurring is a classic problem in low-level computer vision with the aim to recover a sharp image from a blurred input image. Advances in deep learning have led to significant progress in solving this problem, and a large number of deblurring networks have been proposed. This paper presents a comprehensive and timely survey of recently published deep-learning based image deblurring approaches, aiming to serve the community as a useful literature review. We start by discussing common causes of image blur, introduce benchmark datasets and performance metrics, and summarize different problem formulations. Next, we present a taxonomy of methods using convolutional neural networks (CNN) based on architecture, loss function, and application, offering a detailed review and comparison. In addition, we discuss some domain-specific deblurring applications including face images, text, and stereo image pairs. We conclude by discussing key challenges and future research directions. Numéro de notice : A2022-638 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s11263-022-01633-5 Date de publication en ligne : 25/06/2022 En ligne : https://doi.org/10.1007/s11263-022-01633-5 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101444 [article]

Unsupervised multi-level feature extraction for improvement of hyperspectral classification / Qiaoqiao Sun in Remote sensing, vol 13 n° 8 (April-2 2021)  

Public [article]  inRemote sensing > vol 13 n° 8 (April-2 2021) . - n° 1602 Titre : Unsupervised multi-level feature extraction for improvement of hyperspectral classification Type de document : Article/Communication Auteurs : Qiaoqiao Sun, Auteur ; Xuefeng Liu, Auteur ; Salah Bourennane, Auteur Année de publication : 2021 Article en page(s) : n° 1602 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification non dirigée [Termes IGN] codage [Termes IGN] convolution (signal) [Termes IGN] déconvolution [Termes IGN] échantillonnage d'image [Termes IGN] extraction de traits caractéristiques [Termes IGN] image hyperspectrale [Termes IGN] observation multiniveaux Résumé : (auteur) Deep learning models have strong abilities in learning features and they have been successfully applied in hyperspectral images (HSIs). However, the training of most deep learning models requires labeled samples and the collection of labeled samples are labor-consuming in HSI. In addition, single-level features from a single layer are usually considered, which may result in the loss of some important information. Using multiple networks to obtain multi-level features is a solution, but at the cost of longer training time and computational complexity. To solve these problems, a novel unsupervised multi-level feature extraction framework that is based on a three dimensional convolutional autoencoder (3D-CAE) is proposed in this paper. The designed 3D-CAE is stacked by fully 3D convolutional layers and 3D deconvolutional layers, which allows for the spectral-spatial information of targets to be mined simultaneously. Besides, the 3D-CAE can be trained in an unsupervised way without involving labeled samples. Moreover, the multi-level features are directly obtained from the encoded layers with different scales and resolutions, which is more efficient than using multiple networks to get them. The effectiveness of the proposed multi-level features is verified on two hyperspectral data sets. The results demonstrate that the proposed method has great promise in unsupervised feature learning and can help us to further improve the hyperspectral classification when compared with single-level features. Numéro de notice : A2021-380 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs13081602 Date de publication en ligne : 20/04/2021 En ligne : https://doi.org/10.3390/rs13081602 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97628 [article]

FuNet: A novel road extraction network with fusion of location data and remote sensing imagery / Kai Zhou in ISPRS International journal of geo-information, vol 10 n° 1 (January 2021)  

Public [article]  inISPRS International journal of geo-information > vol 10 n° 1 (January 2021) . - n° 10 Titre : FuNet: A novel road extraction network with fusion of location data and remote sensing imagery Type de document : Article/Communication Auteurs : Kai Zhou, Auteur ; Yan Xie, Auteur ; Zhan Gao, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 10 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] amélioration du contraste [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] connexité (topologie) [Termes IGN] extraction du réseau routier [Termes IGN] fusion d'images [Termes IGN] itération [Termes IGN] Pékin (Chine) [Termes IGN] segmentation sémantique Résumé : (auteur) Road semantic segmentation is unique and difficult. Road extraction from remote sensing imagery often produce fragmented road segments leading to road network disconnection due to the occlusion of trees, buildings, shadows, cloud, etc. In this paper, we propose a novel fusion network (FuNet) with fusion of remote sensing imagery and location data, which plays an important role of location data in road connectivity reasoning. A universal iteration reinforcement (IteR) module is embedded into FuNet to enhance the ability of network learning. We designed the IteR formula to repeatedly integrate original information and prediction information and designed the reinforcement loss function to control the accuracy of road prediction output. Another contribution of this paper is the use of histogram equalization data pre-processing to enhance image contrast and improve the accuracy by nearly 1%. We take the excellent D-LinkNet as the backbone network, designing experiments based on the open dataset. The experiment result shows that our method improves over the compared advanced road extraction methods, which not only increases the accuracy of road extraction, but also improves the road topological connectivity. Numéro de notice : A2021-147 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi10010039 Date de publication en ligne : 19/01/2021 En ligne : https://doi.org/10.3390/ijgi10010039 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97055 [article]

Télédétection hyperspectrale pour l’identification et la caractérisation de minéraux industriels / Ronan Rialland (2021)  

Public Titre : Télédétection hyperspectrale pour l’identification et la caractérisation de minéraux industriels Type de document : Thèse/HDR Auteurs : Ronan Rialland, Auteur ; Charles Soussen, Auteur ; Rodolphe Marion, Auteur ; V. Carrere, Auteur Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2021 Importance : 125 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de doctorat de l’Université Paris-Saclay, Spécialité Traitement du Signal et des Images Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] bruit (théorie du signal) [Termes IGN] déconvolution [Termes IGN] image hyperspectrale [Termes IGN] logique floue [Termes IGN] minéral [Termes IGN] minéralogie [Termes IGN] rapport signal sur bruit [Termes IGN] réflectance spectrale [Termes IGN] spectroscopie [Termes IGN] transfert radiatif Index. décimale : THESE Thèses et HDR Résumé : (auteur) La télédétection hyperspectrale permet l’étude de larges zones d’intérêt via la caractérisation physico-chimique des surfaces observées. Cette thèse concerne l’identification de minéraux rencontrés sur des sites industriels à partir de leurs spectres de réflectance observés dans le domaine réflectif [400-2500] nm. Un modèle physique paramétrique adapté est proposé pour représenter un spectre comme la somme d’un continuum et de formes spectrales localisées représentant les formes d’absorption. La première contribution est une procédure de déconvolution spectrale pour estimer adaptativement le nombre d’absorptions dans un spectre ainsi que les paramètres associés. Cette procédure est composée de trois étapes : retrait du continuum, pré-estimation des absorptions, ajustement conjoint du continuum et des absorptions. La pré-estimation des absorptions est l’étape clé, où les paramètres (positions, paramètres de formes) des absorptions sont estimés par un algorithme inspiré d’Orthogonal Matching Pursuit. Cette étape fournit des décompositions du spectre pour un nombre variable de formes d’absorption, rendant possible l’utilisation d’un critère de sélection d’ordre pour estimer leur nombre. La deuxième contribution concerne l’identification des minéraux pour des spectres demélanges, inspirée d’une méthode de logique floue et basée sur la comparaison des paramètres estimés avec ceux d’une base de données prédéfinie. Cette solution tient compte des incertitudes d’estimation et des possibles variations des spectres de réflectance des minéraux. Les méthodes proposées sont validées sur de nombreuses données synthétiques et réelles issues de mesures en laboratoire, posant des difficultés d’analyse du fait d’absorptions de formes variées, possiblement superposées, et positionnées sur une plage très étendue de longueurs d’onde. De plus, une validation extensive a été effectuée sur des images hyperspectrales acquises dans le cadre du survol de deux carrières de gypse et de kaolinite. Les minéraux présents sur les sites sont précisément identifiés. Note de contenu : 1- Introduction 2- Spectroscopie et imagerie hyperspectrale pour l’étude des minéraux 3- Modélisation d’un spectre de réflectance de minéral et prise en compte du bruit dans une image hyperspectrale 4- Déconvolution d’un spectre de réflectance de minéral : procédure greedy-AGM 5- Applications de la procédure greedy-AGM 6- Procédure d’identification de minéraux 7- Campagne d’acquisitions et applications 8- Conclusions et perspectives Numéro de notice : 21705 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du Signal et des Images : Paris-Saclay : 2021 DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03508396 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100475

A novel deep network and aggregation model for saliency detection / Ye Liang in The Visual Computer, vol 36 n° 9 (September 2020)  

Permalink

Approche bayésienne pour la sélection de modèles / Benjamin Harroué (2020)  

Permalink

Conditional random field and deep feature learning for hyperspectral image classification / Fahim Irfan Alam in IEEE Transactions on geoscience and remote sensing, vol 57 n° 3 (March 2019)  

Permalink

Object-based superresolution land-cover mapping from remotely sensed imagery / Yuehong Chen in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)  

Permalink

Unsupervised-restricted deconvolutional neural network for very high resolution remote-sensing image classification / Yiting Tao in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)  

Permalink

Sparse bayesian learning-based time-variant deconvolution / Sanyi Yuan in IEEE Transactions on geoscience and remote sensing, vol 55 n° 11 (November 2017)  

Permalink

Remote sensing scene classification by unsupervised representation learning / Xiaoqiang Lu in IEEE Transactions on geoscience and remote sensing, vol 55 n° 9 (September 2017)  

Permalink

Gold – A novel deconvolution algorithm with optimization for waveform LiDAR processing / Tan Zhou in ISPRS Journal of photogrammetry and remote sensing, vol 129 (July 2017)  

Permalink

Describing contrast across scales / Sohaib Ali Syed in ISPRS Journal of photogrammetry and remote sensing, vol 128 (June 2017)  

Permalink

Enhancement of low visibility aerial images using histogram truncation and an explicit Retinex representation for balancing contrast and color consistency / Changjiang Liu in ISPRS Journal of photogrammetry and remote sensing, vol 128 (June 2017)  

Permalink