Centre dedocumentation
scientifique

A PCA-PD fusion method for change detection in remote sensing multi temporal images / Soltana Achour in Geocarto international, vol 37 n° 1 ([03/01/2022])  

Public [article]  inGeocarto international > vol 37 n° 1 [03/01/2022] . - pp 196 - 213 Titre : A PCA-PD fusion method for change detection in remote sensing multi temporal images Type de document : Article/Communication Auteurs : Soltana Achour, Auteur ; Miloud Chikr Elmezouar, Auteur ; Nasreddine Taleb, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 196 - 213 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse en composantes principales [Termes IGN] détection automatique [Termes IGN] détection de changement [Termes IGN] fusion de données [Termes IGN] image multibande [Termes IGN] image multitemporelle [Termes IGN] image panchromatique [Termes IGN] méthode statistique [Termes IGN] seuillage d'image Résumé : (auteur) In remote sensing, for applications as environment monitoring, change detection based on image processing is one of the most important techniques. To reach high performance various techniques of fusion are exploited using a combination of multi-temporal, multispectral and panchromatic satellite images. A solution for handling such kind of images holds when using some simple statistical methods like the Percent Difference (PD) technique as well as the Principal Component Analysis (PCA) one. In this paper, an automatic change detection method issued from the two previous techniques is proposed and applied on multispectral and panchromatic images captured by a high resolution optical satellite. This approach is characterized by two aspects: the first one consists of the fusion of the different data and the second one performs the detection of the changes for the resulting images. The experimental results show the reasonable quantitative performance and the effectiveness of the proposed method for change detection, consisting of an automatic extraction of most of change information as well as the obtention of better results for most precision metrics consisting of an overall accuracy of up to 91% and a Kappa coefficient of up to 66%, comparing to those obtained using the simple PD and PCA techniques. Numéro de notice : A2022-048 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2020.1713228 Date de publication en ligne : 10/02/2020 En ligne : https://doi.org/10.1080/10106049.2020.1713228 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99441 [article]

Learning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)  

Public Titre : Learning spatio-temporal representations of satellite time series for large-scale crop mapping Type de document : Thèse/HDR Auteurs : Vivien Sainte Fare Garnot , Auteur ; Clément Mallet , Directeur de thèse ; Nesrine Chehata , Directeur de thèse ; Loïc Landrieu , Encadrant Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Autre Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Note générale : bibliographie Thèse de doctorat de l’Université Gustave Eiffel, École doctorale n° 532, Mathématiques, Science, et Technologie de l’Information et de la Communication (MSTIC), Spécialité de doctorat : Signal, Image, et Automatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] carte agricole [Termes IGN] fusion de données [Termes IGN] image multibande [Termes IGN] image multitemporelle [Termes IGN] image satellite [Termes IGN] parcelle agricole [Termes IGN] segmentation sémantique [Termes IGN] série temporelle Mots-clés libres : segmentation panotique, mécanisme d'auto-attention, encodage spatio-temporel Résumé : (auteur) L’analyse et le suivi de l’activité agricole d’un territoire nécessitent la production de cartes agricoles précises. Ces cartes identifient les bordures de chaque parcelle ainsi que le type de culture. Ces informations sont précieuses pour une variété d’acteurs et ont des applications allant de la prévision de la production alimentaire à l’allocation de subventions ou à la gestion environnementale. Alors que les premières cartes agricoles nécessitaient un travail de terrain fastidieux, l’essor de l’analyse automatisée des données de télédétection a ouvert la voie à des cartographies à grande échelle. Dans cette thèse, nous nous intéressons à la cartographie agricole à partir de séries temporelles d’images satellites multispectrales. Dans la plupart des travaux de la dernière décennie, ce problème est abordé à l’aide de modèles d’apprentissage automatique entraînés sur des descripteurs conçus par des experts. Cependant, dans la littérature de vision par ordinateur (VO) et du traitement automatique de la langue (TAL), l’entrainement de modèles d’apprentissage profond à apprendre des représentations à partir des données brutes a constitué un changement de paradigme menant à des performances sans précédent sur une variété de problèmes. De même, l’application de ces modèles d’apprentissage profond aux données de télédétection a considérablement amélioré l’état de l’art pour la cartographie agricole ainsi que d’autres tâches de télédétection. Dans cette thèse, nous soutenons que les méthodes actuelles issues des littérature VO et TAL ignorent certaines des spécificités des données de télédétection et ne devraient pas être appliquées directement. Au contraire, nous prônons le développement de méthodes adaptées, exploitant les structures spatiales, spectrales et temporelles spécifiques des séries temporelles d’images satellites. Nous caractérisons la cartographie agricole successivement comme une classification à la parcelle, une segmentation sémantique et une segmentation panoptique. Pour chacune de ces tâches, nous développons une nouvelle architecture d’apprentissage profond adaptée aux particularités de la tâche et inspirée des avancées récentes de l’apprentissage profond. Nous montrons que nos méthodes établissent un nouvel état de l’art tout en étant plus efficaces que les approches concurrentes. Plus précisément, nous présentons (i) le Pixel-Set Encoder, un encodeur spatial efficace, (ii) le Temporal Attention Encoder (TAE), un encodeur temporel utilisant la self-attention, (iii) le U-net avec TAE, une variation du TAE pour les problèmes de segmentation, et (iv) Parcel-as-Point, un module de segmentation d’instance conçu pour la segmentation panoptique des parcelles. Nous étudions également comment exploiter des séries temporelles multimodales combinant des informations optiques et radar. Nous améliorons ainsi les performances de nos modèles ainsi que leur robustesse aux nuages. Enfin, nous considérons l’arbre hiérarchique qui décrit les relations sémantiques entre les types de culture. Nous présentons une méthode pour inclure cette structure dans le processus d’apprentissage. Sur la classification des cultures ainsi que d’autres problèmes de classification, notre méthode réduit le taux d’erreurs entre les classes sémantiquement éloignées. En plus de ces méthodes, nous introduisons PASTIS, le premier jeu de données en accès libre de séries temporelles d’images satellites multimodales avec des annotations panoptiques de parcelles agricoles. Nous espérons que ce jeu de données, ainsi que les résultats prometteurs présentés dans cette thèse encourageront d’autres travaux de recherche et aideront à produire des cartes agricoles toujours plus précises. Note de contenu : 0- Introduction 1- Spatial and temporal encoding for parcel-based classification 2- Pixel-based segmentation methods 3- Leveraging multiple modalities 4- Leveraging the class hierarchy 5- Conclusion Numéro de notice : 17694 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Signal, Image, et Automatique : Gustave Eiffel : 2021 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 13/01/2022 En ligne : https://hal.archives-ouvertes.fr/IGN-ENSG/tel-03524429v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99366

A feature based change detection approach using multi-scale orientation for multi-temporal SAR images / R. Vijaya Geetha in European journal of remote sensing, vol 54 sup 2 (2021)  

Public [article]  inEuropean journal of remote sensing > vol 54 sup 2 (2021) . - pp 248 - 264 Titre : A feature based change detection approach using multi-scale orientation for multi-temporal SAR images Type de document : Article/Communication Auteurs : R. Vijaya Geetha, Auteur ; S. Kalaivani, Auteur Année de publication : 2021 Article en page(s) : pp 248 - 264 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] analyse de groupement [Termes IGN] anisotropie [Termes IGN] chatoiement [Termes IGN] classification non dirigée [Termes IGN] classification par nuées dynamiques [Termes IGN] détection de changement [Termes IGN] filtre de Gabor [Termes IGN] image multitemporelle [Termes IGN] image radar moirée [Termes IGN] matrice de confusion [Termes IGN] transformation en ondelettes Résumé : (auteur) Excellent operation regardless of weather conditions and superior resolution independent of sensor light are the most attractive and desired features of synthetic aperture radar (SAR) imagery. This paper proposes an exclusive multi-scale with multiple orientation approach for multi-temporal SAR images. This approach integrates pre-processing and change detection. Pre-processing is performed on the SAR imagery through speckle reducing anisotropic diffusion and discrete wavelet transform. The processed speckle-free images are designed by Log-Gabor filter bank in terms of multi-scale with multiple orientations. The maximum magnitude of multiple orientations is concatenated to obtain feature-based scale representation. Each scale is dealt with multiple orientations and is compared by band-wise subtraction to retrieve difference image (DI) coefficient. The series of the difference coefficients from each scale are add-on together to estimate a DI. Thus, the resultant image of multi-scale orientation gives perception of detailed information with specific contour. Constrained k-means clustering algorithm is preferred to achieve change and un-change map. Performance of the proposed approach is validated on three real SAR image datasets. The effective change detection is examined by using confusion matrix parameters. Experimental results are described to show the efficacy of the proposed approach. Numéro de notice : A2021-819 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1080/22797254.2020.1759457 Date de publication en ligne : 12/06/2020 En ligne : https://doi.org/10.1080/22797254.2020.1759457 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98924 [article]

Feature matching for multi-epoch historical aerial images / Lulin Zhang in ISPRS Journal of photogrammetry and remote sensing, Vol 182 (December 2021)    

Public [article]  inISPRS Journal of photogrammetry and remote sensing > Vol 182 (December 2021) . - pp 176 - 189 Titre : Feature matching for multi-epoch historical aerial images Type de document : Article/Communication Auteurs : Lulin Zhang , Auteur ; Ewelina Rupnik , Auteur ; Marc Pierrot-Deseilligny , Auteur Année de publication : 2021 Article en page(s) : pp 176 - 189 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique [Termes IGN] appariement de données localisées [Termes IGN] chaîne de traitement [Termes IGN] géoréférencement indirect [Termes IGN] image ancienne [Termes IGN] image multitemporelle [Termes IGN] image RVB [Termes IGN] méthode robuste [Termes IGN] MicMac [Termes IGN] modèle numérique de surface [Termes IGN] orientation relative [Termes IGN] point d'appui [Termes IGN] transformation de Helmert Résumé : (auteur) Historical imagery is characterized by high spatial resolution and stereoscopic acquisitions, providing a valuable resource for recovering 3D land-cover information. Accurate geo-referencing of diachronic historical images by means of self-calibration remains a bottleneck because of the difficulty to find sufficient amount of feature correspondences under evolving landscapes. In this research, we present a fully automatic approach to detecting feature correspondences between historical images taken at different times (i.e., inter-epoch), without auxiliary data required. Based on relative orientations computed within the same epoch (i.e., intra-epoch), we obtain DSMs (Digital Surface Model) and incorporate them in a rough-to-precise matching. The method consists of: (1) an inter-epoch DSMs matching to roughly co-register the orientations and DSMs (i.e, the 3D Helmert transformation), followed by (2) a precise inter-epoch feature matching using the original RGB images. The innate ambiguity of the latter is largely alleviated by narrowing down the search space using the co-registered data. With the inter-epoch feature correspondences, we refine the image orientations and quantitatively evaluate the results (1) with DoD (Difference of DSMs), (2) with ground check points, and (3) by quantifying ground displacement due to an earthquake. We demonstrate that our method: (1) can automatically georeference diachronic historical images; (2) can effectively mitigate systematic errors induced by poorly estimated camera parameters; (3) is robust to drastic scene changes. Compared to the state-of-the-art, our method improves the image georeferencing accuracy by a factor of 2. The proposed methods are implemented in MicMac, a free, open-source photogrammetric software. Numéro de notice : A2021-781 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.10.008 Date de publication en ligne : 01/11/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.10.008 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98933 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021121	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021123	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2021122	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Documents numériques

peut être téléchargé Feature matching for multi-epoch historical aerial images - pdf auteur Adobe Acrobat PDF

Hyperspectral image fusion and multitemporal image fusion by joint sparsity / Han Pan in IEEE Transactions on geoscience and remote sensing, Vol 59 n° 9 (September 2021)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > Vol 59 n° 9 (September 2021) . - pp 7887 - 7900 Titre : Hyperspectral image fusion and multitemporal image fusion by joint sparsity Type de document : Article/Communication Auteurs : Han Pan, Auteur ; Zhongliang Jing, Auteur ; Henry Leung, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 7887 - 7900 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] correction d'image [Termes IGN] flou [Termes IGN] fusion d'images [Termes IGN] image hyperspectrale [Termes IGN] image multitemporelle [Termes IGN] image panchromatique [Termes IGN] pansharpening (fusion d'images) [Termes IGN] représentation parcimonieuse Résumé : (auteur) Different image fusion systems have been developed to deal with the massive amounts of image data for different applications, such as remote sensing, computer vision, and environment monitoring. However, the generalizability and versatility of these fusion systems remain unknown. This article proposes an efficient regularization framework to achieve different kinds of fusion tasks accounting for the spatiospectral and spatiotemporal variabilities of the fusion process. A joint minimization functional is developed by taking an advantage of a composite regularizer for enforcing joint sparsity in the gradient domain and the frame domain. The proposed composite regularizer is composed of the Hessian Schatten-norm regularization and contourlet-based regularization terms. The resulting problems are solved by the alternating direction method of multipliers (ADMM). The effectiveness of the proposed method is validated in a variety of image fusion experiments: 1) hyperspectral (HS) and panchromatic image fusion; 2) HS and multispectral image fusion; 3) multitemporal image fusion (MIF); and 4) multi-image deblurring. Results show promising performance compared with state-of-the-art fusion methods. Numéro de notice : A2021-649 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3039046 Date de publication en ligne : 07/12/2020 En ligne : https://doi.org/10.1109/TGRS.2020.3039046 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98360 [article]

Semantic unsupervised change detection of natural land cover with multitemporal object-based analysis on SAR images / Donato Amitrano in IEEE Transactions on geoscience and remote sensing, Vol 59 n° 7 (July 2021)  

Permalink

Uncertainty management for robust probabilistic change detection from multi-temporal Geoeye-1 imagery / Mahmoud Salah in Applied geomatics, vol 13 n° 2 (June 2021)  

Permalink

Spruce budworm tree host species distribution and abundance mapping using multi-temporal Sentinel-1 and Sentinel-2 satellite imagery / Rajeev Bhattarai in ISPRS Journal of photogrammetry and remote sensing, vol 172 (February 2021)  

Permalink

Spectral variability in hyperspectral unmixing : Multiscale, tensor, and neural network-based approaches / Ricardo Augusto Borsoi (2021)  

Permalink

Unsupervised deep joint segmentation of multitemporal high-resolution images / Sudipan Saha in IEEE Transactions on geoscience and remote sensing, Vol 58 n° 12 (December 2020)  

Permalink

Object-based classification of mixed forest types in Mongolia / E. Nyamjargal in Geocarto international, vol 35 n° 14 ([15/10/2020])  

Permalink

Crater detection and registration of planetary images through marked point processes, multiscale decomposition, and region-based analysis / David Solarna in IEEE Transactions on geoscience and remote sensing, vol 58 n° 9 (September 2020)  

Permalink

A novel framework based on polarimetric change vectors for unsupervised multiclass change detection in dual-pol intensity SAR images / David Pirrone in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)  

Permalink

Reducing shadow effects on the co-registration of aerial image pairs / Matthew Plummer in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 3 (March 2020)  

Permalink

A novel fire index-based burned area change detection approach using Landsat-8 OLI data / Sicong Liu in European journal of remote sensing, vol 53 n° 1 (2020)  

Permalink