Centre dedocumentation
scientifique

Saliency-guided deep neural networks for SAR image change detection / Jie Geng in IEEE Transactions on geoscience and remote sensing, Vol 57 n° 10 (October 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > Vol 57 n° 10 (October 2019) . - pp 7365 - 7377 Titre : Saliency-guided deep neural networks for SAR image change detection Type de document : Article/Communication Auteurs : Jie Geng, Auteur ; Xiaorui Ma, Auteur ; Xiaojun Zhou, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 7365 - 7377 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] analyse d'image orientée objet [Termes descripteurs IGN] classification floue [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] échantillonnage d'image [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] filtre de déchatoiement [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] logique floue [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] saillance [Termes descripteurs IGN] télédétection en hyperfréquence Mots-clés libres : hierarchical fuzzy C-means clustering (HFCM) Résumé : (auteur) Change detection is an important task to identify land-cover changes between the acquisitions at different times. For synthetic aperture radar (SAR) images, inherent speckle noise of the images can lead to false changed points, which affects the change detection performance. Besides, the supervised classifier in change detection framework requires numerous training samples, which are generally obtained by manual labeling. In this paper, a novel unsupervised method named saliency-guided deep neural networks (SGDNNs) is proposed for SAR image change detection. In the proposed method, to weaken the influence of speckle noise, a salient region that probably belongs to the changed object is extracted from the difference image. To obtain pseudotraining samples automatically, hierarchical fuzzy C-means (HFCM) clustering is developed to select samples with higher probabilities to be changed and unchanged. Moreover, to enhance the discrimination of sample features, DNNs based on the nonnegative- and Fisher-constrained autoencoder are applied for final detection. Experimental results on five real SAR data sets demonstrate the effectiveness of the proposed approach. Numéro de notice : A2019-536 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2913095 date de publication en ligne : 19/05/2019 En ligne : http://doi.org/10.1109/TGRS.2019.2913095 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94154 [article]

Le vandalisme dans l’information géographique volontaire, détection de l’IG volontaire vandalisée : du concept à la détection non supervisée d’anomalie / Quy Thy Truong in Revue internationale de géomatique, vol 29 n° 1 (janvier - mars 2019)  

Public [article]  inRevue internationale de géomatique > vol 29 n° 1 (janvier - mars 2019) . - pp 31 - 56 Titre : Le vandalisme dans l’information géographique volontaire, détection de l’IG volontaire vandalisée : du concept à la détection non supervisée d’anomalie Type de document : Article/Communication Auteurs : Quy Thy Truong , Auteur ; Guillaume Touya , Auteur ; Cyril de Runz, Auteur Année de publication : 2019 Article en page(s) : pp 31 - 56 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Information géographique [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] détection d'anomalie [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] OpenStreetMap Résumé : (Auteur) Dans un contexte où le vandalisme de l’information géographique volontaire constitue une réelle menace pour la qualité des données, cet article propose une technique permettant de le détecter. Tout d’abord, nous examinons les différentes définitions du vandalisme, mettant en avant la complexité de cette notion. Une étude des cas déjà avérés de vandalisme dans OpenStreetMap (OSM) est présentée. Puis, nous expérimentons la détection du vandalisme des données OSM en utilisant une méthode de détection d’anomalie par classification non supervisée. L’analyse de nos résultats initiaux conduit alors à une discussion sur la pertinence de construire un corpus de vandalisme des données OSM utilisable dans un contexte de classification supervisée. Numéro de notice : A2019-570 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3166/rig.2019.00073 date de publication en ligne : 23/12/2019 En ligne : https://doi.org/10.3166/rig.2019.00073 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94441 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
047-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Contextual classification using photometry and elevation data for damage detection after an earthquake event / Ewelina Rupnik in European journal of remote sensing, vol 51 n° 1 (2018)  

Public [article]  inEuropean journal of remote sensing > vol 51 n° 1 (2018) . - pp 543 - 557 Titre : Contextual classification using photometry and elevation data for damage detection after an earthquake event Type de document : Article/Communication Auteurs : Ewelina Rupnik , Auteur ; Francesco Nex, Auteur ; Isabella Toschi, Auteur ; Fabio Remondino, Auteur Année de publication : 2018 Article en page(s) : pp 543 - 557 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] cartographie d'urgence [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] champ aléatoire conditionnel [Termes descripteurs IGN] classification contextuelle [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] dommage matériel [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] orthoimage [Termes descripteurs IGN] photométrie [Termes descripteurs IGN] prise en compte du contexte [Termes descripteurs IGN] zone urbaine Résumé : (auteur) This research presents a processing workflow to automatically find damaged building areas in an urban context. The input data requirements are high-resolution multi-view images, acquired from airborne platform. The elevations are derived from a dense surface model generated with photogrammetric methods. With the principal objective of rapid response in emergency situations, two different processing roadmaps are proposed, semi-supervised and unsupervised. Both of them follow a two-step workflow of building detection and building health estimation. Optionally, cadastral layers may serve as a-priori knowledge on building location. The semi-supervised approach involves a data training step, while the unsupervised approach exploits the similarities and dissimilarities between sets of features calculated over the detected buildings. The change detection task is formulated as a classification task defined over a conditional random field. The algorithms are evaluated using two datasets (Vexcel and Midas cameras) and results are compared with ground truth data and specific metrics. Numéro de notice : A2018-664 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/22797254.2018.1458584 date de publication en ligne : 16/05/2018 En ligne : https://doi.org/10.1080/22797254.2018.1458584 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94250 [article]

Adapting an existing semi-automatized image processing chain to enable Sentinel-2 data classification. / Hiyam Elbadri (2018) 

Public Titre : Adapting an existing semi-automatized image processing chain to enable Sentinel-2 data classification. Type de document : Mémoire Auteurs : Hiyam Elbadri, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 56 p. Format : 21 x 30 cm Note générale : bibliographie Rapport de projet pluridisciplinaire, cycle Ingénieur 2e année Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse d'image orientée objet [Termes descripteurs IGN] carte thématique [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] épidémie [Termes descripteurs IGN] GRASS [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] maladie parasitaire [Termes descripteurs IGN] Ouganda [Termes descripteurs IGN] Python (langage de programmation) [Termes descripteurs IGN] R (langage) [Termes descripteurs IGN] restauration d'image [Termes descripteurs IGN] risque sanitaire [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] zone à risque Index. décimale : PROJET Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Dans un contexte d’une crise épidémiologique dans les villes d’Afrique sub-saharienne, suivie d’une urbanisation croissante, il paraît essentiel de souligner les facteurs clés au développement de plusieurs maladies. C’est dans ce contexte que le projet REACT existe. Ce dernier a pour but de développer des outils afin de faciliter l’étude des maladies contagieuses telle que la malaria avec des techniques de télédétection. Dans le cadre de ce projet, mon rôle était de créer une chaîne automatisée pour des données de Sentinel 2. En premier lieu, il faut les télécharger puis les pré-traiter pour enfin terminer avec une chaîne déjà existante que je devais adapter et qui permet la classification des données Sentinel 2. Les deux chaînes ont été implémentées via un programme Python et se fondent sur l’utilisation de logiciels libres tels que Grass GIS et R. Dans le cadre du projet, l’étude est appliquée à la ville de Kampala dans l’Ouganda, ville présentant les caractéristiques citées précédemment. Cartographier une zone hétérogène telle que Kampala en utilisant des techniques liées à l’"Object Based Image Analysis" est une méthode efficace pour améliorer notre compréhension de la maladie de la malaria et ce, dans un but d’avoir une meilleure prévisibilité. On obtiendra d’abord une segmentation optimale en utilisant une approche non supervisée. Ensuite, en utilisant une classification liée à cette maladie, nous allons classifier notre image en utilisant 3 classifieurs : SVM Radial, Random Forest et K-nearest Neighbor. S’en suivra une analyse de la précision obtenue pour ces 3 classifieurs. Les résultats seront interprétés de telle sorte qu’on pourra en déduire où se situent les zones à risque de la maladie dans la zone d’étude englobant la ville de Kampala et ses environs. Note de contenu : Introduction 1- Internship Description 2- Data, Methods and Tools 3- Case Study 4- Results Conclusion Numéro de notice : 21826 Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : IGEAT (Université Libre de Bruxelles) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91333

Documents numériques

peut être téléchargé Adapting an existing semi-automatized... - pdf auteur Adobe Acrobat PDF

Use of unsupervised classification for the determination of prevailing land use typology / Miha Konjar in Geodetski vestnik, vol 61 n° 4 (December 2017 - February 2018)  

Public [article]  inGeodetski vestnik > vol 61 n° 4 (December 2017 - February 2018) . - pp 541 - 581 Titre : Use of unsupervised classification for the determination of prevailing land use typology Type de document : Article/Communication Auteurs : Miha Konjar, Auteur ; Alma Zavodnik Lamovsek, Auteur ; Dejan Grigillo, Auteur Année de publication : 2017 Article en page(s) : pp 541 - 581 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] agrégation spatiale [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] complexité [Termes descripteurs IGN] densité de population [Termes descripteurs IGN] données socio-économiques [Termes descripteurs IGN] image numérique [Termes descripteurs IGN] indicateur spatial [Termes descripteurs IGN] occupation du sol [Termes descripteurs IGN] Slovénie [Termes descripteurs IGN] utilisation du sol [Termes descripteurs IGN] zone homogène Résumé : (Auteur) This paper presents classification methods that enable the division of space into homogeneous areas that combine the spatial characteristics with influence on land use and changes thereof. It was determined that the existing methods do not always include the criteria needed for the aggregation of spatial units into homogeneous groups. The results of the analysis showed that the identified homogenous groups do not fully capture the spatial complexity and diversity important for land use change analyses. For this reason, a new approach to the classification of spatial units based on the unsupervised classification of digital images was proposed. The methodology includes the selection of appropriate indicators, that consider land use more comprehensively and thus enable better classification results. The use of the unsupervised classification method for prevailing land use typology has been tested in Slovenia. At the municipal level, seven types of prevailing land use were identified. Numéro de notice : A2017-777 Thématique : IMAGERIE Nature : Article DOI : 10.15292//geodetski-vestnik.2017.04.541-581 En ligne : http://www.geodetski-vestnik.com/61/4/gv61-4_konjar.pdf Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88981 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
139-2017041	SL	Revue	Centre de documentation	Revues en salle	Disponible

An unsupervised two-stage clustering approach for forest structure classification based on X-band InSAR data — A case study in complex temperate forest stands / Sahra Abdullahi in International journal of applied Earth observation and geoinformation, vol 57 (May 2017)  

Permalink

Unsupervised object-based differencing for land-cover change detection / Jinxia Zhu in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 3 (March 2017)  

Permalink

Joint analysis of passive and active land surface responses for Global Precipitation Measurement / Iris de Gelis (2017) 

Permalink

MRF-based segmentation and unsupervised classification for building and road detection in peri-urban areas of high-resolution satellite images / Ilias Grinias in ISPRS Journal of photogrammetry and remote sensing, vol 122 (December 2016)  

Permalink

Shadow detection and removal in RGB VHR images for land use unsupervised classification / A. Movia in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)  

Permalink

Unsupervised classification of airborne laser scanning data to locate potential wildlife habitats for forest management planning / Jari Vauhkonen in Forestry, an international journal of forest research, vol 89 n° 4 (August 2016)  

Permalink

An evaluation of unsupervised and supervised learning algorithms for clustering landscape types in the United States / Jochen Wendel in Cartography and Geographic Information Science, Vol 43 n° 3 (June 2016)  

Permalink

Using classification trees to predict forest structure types from LiDAR data / Chiara Torresan in Annals of forest research, vol 59 n° 2 (July - December 2016)  

Permalink

A semiautomated probabilistic framework for tree-cover delineation from 1-m NAIP imagery using a high-performance computing architecture / S. Basu in IEEE Transactions on geoscience and remote sensing, vol 53 n° 10 (October 2015)

Permalink

An unsupervised urban change detection procedure by using luminance and saturation for multispectral remotely sensed images / Su Ye in Photogrammetric Engineering & Remote Sensing, PERS, vol 81 n° 8 (August 2015)

Permalink