Descripteur
Documents disponibles dans cette catégorie (1926)
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
L'apport des données du satellite SPOT 5 à l'étude des zones humides en Bretagne nord : application au bassin versant du Jaudy-Guindy-Bizien / S. Saloum in Photo interprétation, vol 41 n° 1 (Mars 2005)
[article]
Titre : L'apport des données du satellite SPOT 5 à l'étude des zones humides en Bretagne nord : application au bassin versant du Jaudy-Guindy-Bizien Type de document : Article/Communication Auteurs : S. Saloum, Auteur Année de publication : 2005 Article en page(s) : pp 20 - 28 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bassin hydrographique
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] détection automatique
[Termes IGN] données de terrain
[Termes IGN] flore locale
[Termes IGN] image SPOT 5
[Termes IGN] matrice de confusion
[Termes IGN] modèle hydrographique
[Termes IGN] qualité des eaux
[Termes IGN] rayonnement infrarouge moyen
[Termes IGN] rayonnement proche infrarouge
[Termes IGN] Teravue
[Termes IGN] traitement d'image
[Termes IGN] zone humideRésumé : (Auteur) Le traitement d'images issues du satellite Spot 5 constitue un outil avantagé pour localiser et quantifier les zones humides à l'échelle de bassins versants. Cet avantage réside dans sa haute résolution spatiale et dans la présence de ses quatre canaux : deux dans le visible, un dans le proche infrarouge et un dans l'infrarouge moyen. Même des zones humides de petite surface imbriquées dans un fort contexte agricole et bocager peuvent être détectées. La méthode utilisée est l'approche probabiliste de la classification par maximum de vraisemblance. Elle a été appliquée avec satisfaction sur les 520 kM2 du bassin versant du Jaudy-Guindy-Bizien (Côtes-d'Armor, 22) avec environ 90 % de points bien classés. Cette méthodologie de détection automatique des zones humides peut s'intégrer dans un programme d'enrichissement de bases de données qui visent à préciser par l'utilisation de modèles hydrologiques l'apport de chaque élément paysager dans l'amélioration de la qualité de l'eau sur les bassins versants. Numéro de notice : A2005-366 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27502
in Photo interprétation > vol 41 n° 1 (Mars 2005) . - pp 20 - 28[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 104-05011 RAB Revue Centre de documentation Revues en salle Disponible A Bayesian approach to classification of multiresolution remote sensing data / G. Storvik in IEEE Transactions on geoscience and remote sensing, vol 43 n° 3 (March 2005)
[article]
Titre : A Bayesian approach to classification of multiresolution remote sensing data Type de document : Article/Communication Auteurs : G. Storvik, Auteur ; R. Fjortoft, Auteur ; A.H. Schistad, Auteur Année de publication : 2005 Article en page(s) : pp 539 - 547 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse multiéchelle
[Termes IGN] champ aléatoire de Markov
[Termes IGN] classification
[Termes IGN] estimation bayesienne
[Termes IGN] image à basse résolution
[Termes IGN] image à haute résolution
[Termes IGN] image multibande
[Termes IGN] limite de résolution géométrique
[Termes IGN] modèle de Markov
[Termes IGN] résolution multipleRésumé : (Auteur) Several earth observation satellites acquire image bands with different spatial resolutions, e.g., a panchromatic band with high resolution and spectral bands with lower resolution. Likewise, we often face the problem of different resolutions when performing joint analysis of images acquired by different satellites. This paper presents models and methods for classification of multiresolution images. The approach is based on the concept of a reference resolution, corresponding to the highest resolution in the dataset Prior knowledge about the spatial characteristics of the classes is specified through a Markov random field model at the reference resolution. Data at coarser scales are modeled as mixed pixels by relating the observations to the classes at the reference resolution. A Bayesian framework for classification based on this multiscale model is proposed. The classification is realized by an iterative conditional modes (ICM) algorithm. The parameter estimation can be based both on a training set and on pixels with unknown class. A computationally efficient scheme based on a combination of the ICM and the expectation-maximization algorithm is proposed. Result obtained on simulated and real satellite images are presented. Numéro de notice : A2005-167 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2004.841395 En ligne : https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1396326 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27305
in IEEE Transactions on geoscience and remote sensing > vol 43 n° 3 (March 2005) . - pp 539 - 547[article]Réservation
Réserver ce documentExemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 065-05032 RAB Revue Centre de documentation En réserve L003 Disponible 065-05031 RAB Revue Centre de documentation En réserve L003 Disponible Classification orientée objet de la perméabilité des sols en zone urbaine à l'aide d'imagerie très haute résolution et de données laser scanner à Curitiba (Brésil) / A. Karsenty in XYZ, n° 102 (mars - mai 2005)
[article]
Titre : Classification orientée objet de la perméabilité des sols en zone urbaine à l'aide d'imagerie très haute résolution et de données laser scanner à Curitiba (Brésil) Type de document : Article/Communication Auteurs : A. Karsenty, Auteur Année de publication : 2005 Article en page(s) : pp 44 - 48 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] bassin hydrographique
[Termes IGN] Brésil
[Termes IGN] carte thématique
[Termes IGN] classification dirigée
[Termes IGN] classification orientée objet
[Termes IGN] écoulement des eaux
[Termes IGN] image à très haute résolution
[Termes IGN] logique floue
[Termes IGN] milieu urbain
[Termes IGN] modélisation
[Termes IGN] perméabilité du sol
[Termes IGN] prévention des risques
[Termes IGN] segmentation d'imageRésumé : (Auteur) En zone urbanisée, disposer d'outils permettant de prévoir les écoulements occasionnés par les pluies, est indispensable à la prévention des risques et au dimensionnement d'ouvrages. Depuis plus de trente ans les spécialistes en hydrologie et en télédétection unissent leurs connaissances pour modéliser le comportement des bassins versants et cartographier la perméabilité des sols. Dans ce domaine, le développement de l'imagerie THR, du laser scanner et de l'approche orientée objet est très prometteur. Cette étude se propose donc d'associer ces trois techniques et d'évaluer la fiabilité avec laquelle elles permettent d'extraire les données nécessaires à la modélisation hydrologique. Numéro de notice : A2005-130 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27268
in XYZ > n° 102 (mars - mai 2005) . - pp 44 - 48[article]Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 112-05011 RAB Revue Centre de documentation En réserve L003 Exclu du prêt Nested hyper-rectangle learning model for remote sensing: land-cover classification / L. Chen in Photogrammetric Engineering & Remote Sensing, PERS, vol 71 n° 3 (March 2005)
[article]
Titre : Nested hyper-rectangle learning model for remote sensing: land-cover classification Type de document : Article/Communication Auteurs : L. Chen, Auteur Année de publication : 2005 Article en page(s) : pp 333 - 340 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage dirigé
[Termes IGN] classification dirigée
[Termes IGN] classification par réseau neuronal
[Termes IGN] image SPOT-HRV
[Termes IGN] occupation du sol
[Termes IGN] TaïwanRésumé : (Auteur) This study presents an exemplar-based nested hyper-rectangle learning model (NHLM) which is an efficient and accurate supervised classification model. The proposed model is based on the concept of seeding training data in the Euclidean m-space (where m denotes the number of features) as hyper-rectangles. To express the exceptions, these hyper-rectangles may be nested inside one another to an arbitrary depth. The fast and one-shot learning procedures can adjust weights dynamically when new examples are added. Furthermore, the "second chance" heuristic is introduced in NHLM to avoid creating more memory objects than necessary. NHLM is applied to solving the land cover classification problem in Taiwan using remote sensed imagery. The study investigated five land cover classes and clouds. These six classes were chosen from field investigation of the study area according to previous study. Therefore, this paper aims to produce a land cover classification based on SPOT HRV spectral data. Compared with a standard back-propagation neural network (BPN), the experimental results indicate that NHLM provides a powerful tool for categorizing remote sensing data. Numéro de notice : A2005-107 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.71.3.333 En ligne : https://doi.org/10.14358/PERS.71.3.333 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27245
in Photogrammetric Engineering & Remote Sensing, PERS > vol 71 n° 3 (March 2005) . - pp 333 - 340[article]Partially supervised classification of remote sensing images through SVM-based probability density estimation / P. Mantero in IEEE Transactions on geoscience and remote sensing, vol 43 n° 3 (March 2005)
[article]
Titre : Partially supervised classification of remote sensing images through SVM-based probability density estimation Type de document : Article/Communication Auteurs : P. Mantero, Auteur ; G. Moser, Auteur ; S.B. Serpico, Auteur Année de publication : 2005 Article en page(s) : pp 559 - 570 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification semi-dirigée
[Termes IGN] estimation statistique
[Termes IGN] probabilités
[Termes IGN] réalité de terrainRésumé : (Auteur) A general problem of supervised remotely sensed image classification assumes prior knowledge to be available for all the thematic classes that are present in the considered dataset. However, the ground-truth map representing that prior knowledge usually does not really describe all the land-cover typologies in the image, and the generation of a complete training set often represents a time-consuming, difficult and expensive task. This problem affects the performances of supervised classifiers, which erroneously assign each sample drawn from an unknown class to one of the known classes. In the present paper, a classification strategy is described that allows the identification of samples drawn from unknown classes through the application of a suitable Bayesian decision rule. The proposed approach is based on support vector machines (SVMs) for the estimation of probability density functions and on a recursive procedure to generate prior probability estimates for known and unknown classes. In the experiments, both a synthetic dataset and two real datasets were used. Numéro de notice : A2005-168 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2004.842022 En ligne : https://doi.org/10.1109/TGRS.2004.842022 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27306
in IEEE Transactions on geoscience and remote sensing > vol 43 n° 3 (March 2005) . - pp 559 - 570[article]Réservation
Réserver ce documentExemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 065-05032 RAB Revue Centre de documentation En réserve L003 Disponible 065-05031 RAB Revue Centre de documentation En réserve L003 Disponible Sparse grids: a new predictive modelling method for the analysis of geographic data / S.W. Laffan in International journal of geographical information science IJGIS, vol 19 n° 3 (march 2005)PermalinkUtilisation des anomalies morphologiques sur des images à très haute résolution dans la détection de dommages occasionnés par des séismes sur un milieu urbain peu densifié / G. Andre in Photo interprétation, vol 41 n° 1 (Mars 2005)PermalinkMapping tropical forest structure in south-eastern Madagascar using remote sensing and artificial neural networks / J.C. Ingram in Remote sensing of environment, vol 94 n° 4 (28/02/2005)PermalinkA novel method for generating 3D city models from high resolution and multi-sensor remote sensing data / Jochen Schiewe in International Journal of Remote Sensing IJRS, vol 26 n° 4 (February 2005)PermalinkThe utility of texture analysis to improve per-pixel classification for high to very high spatial resolution imagery / Anne Puissant in International Journal of Remote Sensing IJRS, vol 26 n° 4 (February 2005)PermalinkUrban development in the Athens metropolitan area using remote sensing data with supervised analysis and GIS / Christiane Weber in International Journal of Remote Sensing IJRS, vol 26 n° 4 (February 2005)PermalinkSatellite image classification using genetically guided fuzzy clustering with spatial information / S. Bandyopadhyay in International Journal of Remote Sensing IJRS, vol 26 n° 3 (February 2005)PermalinkEstimation and monitoring of bare soil/vegetation ratio with SPOT vegetation and HRVIR / Grégoire Mercier in IEEE Transactions on geoscience and remote sensing, vol 43 n° 2 (February 2005)PermalinkSpatio-temporal dynamics in California's central valley: empirical links to urban theory / C. Dietzel in International journal of geographical information science IJGIS, vol 19 n° 2 (february 2005)PermalinkPerformance of different spectral and textural photograph features in multi-source forest inventory / Sakari Tuominen in Remote sensing of environment, vol 94 n° 2 (30/01/2005)Permalink