Centre dedocumentation
scientifique

Unsupervised extraction of urban features from airborne lidar data by using self-organizing maps / Alper Sen in Survey review, vol 52 n° 371 (March 2020)  

Public [article]  inSurvey review > vol 52 n° 371 (March 2020) . - pp 150 - 158 Titre : Unsupervised extraction of urban features from airborne lidar data by using self-organizing maps Type de document : Article/Communication Auteurs : Alper Sen, Auteur ; Baris Suleymanoglu, Auteur ; Metin Soycan, Auteur Année de publication : 2020 Article en page(s) : pp 150 - 158 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] algorithme de filtrage [Termes descripteurs IGN] carte de Kohonen [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] extraction de la végétation [Termes descripteurs IGN] extraction de points [Termes descripteurs IGN] filtre adaptatif [Termes descripteurs IGN] khi carré [Termes descripteurs IGN] pondération [Termes descripteurs IGN] réseau neuronal artificiel [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] zone urbaine Résumé : (auteur) The extraction of artificial and natural features using light detection and ranging (Lidar) data is a fundamental task in many fields of research for environmental science. In this study, the possibility of using self-organising maps (SOM), which is an unsupervised artificial neural network classification method to extract the bare earth surface and features from airborne Lidar data, was investigated for two different urban areas. The effect of the enlargement of the study area was analysed using the proposed approach. The appropriate weights of SOM inputs, which are 3D coordinates and intensity, obtained from a Lidar point cloud were determined by using Pearson's chi-squared independence test. The weighted SOM feature extraction performance was better than that of the unweighted SOM. The filtering results of SOM to separate ground and non-ground data were also compared with those obtained by the adaptive TIN filtering algorithm. Most of the non-ground features could be removed by the weighted SOM. Numéro de notice : A2020-079 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2018.1532704 date de publication en ligne : 12/10/2018 En ligne : https://doi.org/10.1080/00396265.2018.1532704 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94642 [article]

Unsupervised classification of multispectral images embedded with a segmentation of panchromatic images using localized clusters / Ting Mao in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 57 n° 11 (November 2019) . - pp 8732 - 8744 Titre : Unsupervised classification of multispectral images embedded with a segmentation of panchromatic images using localized clusters Type de document : Article/Communication Auteurs : Ting Mao, Auteur ; Wei Huang, Auteur Année de publication : 2019 Article en page(s) : pp 8732 - 8744 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme de fusion [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] Chine [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] fusion d'images [Termes descripteurs IGN] image à très haute résolution [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image panchromatique [Termes descripteurs IGN] précision de la classification [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] segmentation multirésolution [Termes descripteurs IGN] superpixel Résumé : (auteur) There are many approaches to fuse panchromatic (PAN) and multispectral (MS) images for classification, mainly including sharpening-then-classification methods, classification-then-sharpening methods, and segmentation-then-classification methods. The generalized Chinese restaurant franchise (gCRF) is a segmentation-then-classification-like method to fuse very high resolution (VHR) PAN and MS images for classification, which has the limitation the same as that of the general segmentation-then-classification methods that segmentation errors will affect the subsequent classification. The problems of gCRF are that during the segmentation step, the spatial coherence in the image plane is deficient and the global clusters without spatial position information are used for segmentation, which may lead to undersegmented and disconnected regions in the segmentation results and decrease classification accuracy. In this paper, we propose an improved model, which overcomes the problems of the gCRF during the segmentation step, to increase the classification accuracy by the following two ways: 1) building the spatial coherence in the image plane by introducing neighborhood information of superpixels to construct the subimages and 2) using localized clusters with spatial location information instead of global clusters to measure the similarity between superpixels and segments. The experimental results show that the problems of undersegmentation and disconnected segments are both alleviated, resulting in better classification results in terms of the visual and quantitative aspects. Numéro de notice : A2019-597 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2922672 date de publication en ligne : 17/07/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2922672 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94589 [article]

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) 

Permalink

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)  

Permalink

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