Descripteur
Documents disponibles dans cette catégorie (149)
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
Adapting an existing semi-automatized image processing chain to enable Sentinel-2 data classification. / Hiyam Elbadri (2018)
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 annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse d'image orientée objet
[Termes IGN] carte thématique
[Termes IGN] chaîne de traitement
[Termes IGN] classification barycentrique
[Termes IGN] classification non dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] épidémie
[Termes IGN] GRASS
[Termes IGN] image Sentinel-MSI
[Termes IGN] maladie parasitaire
[Termes IGN] Ouganda
[Termes IGN] Python (langage de programmation)
[Termes IGN] R (langage)
[Termes IGN] restauration d'image
[Termes IGN] risque sanitaire
[Termes IGN] segmentation d'image
[Termes IGN] zone à risqueIndex. décimale : PROJET Mémoires : 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
ConclusionNuméro de notice : 21826 Affiliation des auteurs : non IGN 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 auteurAdobe Acrobat PDF Use of satellite image classifications to update and enhance a land cover database / Mohamed Touiti (2018)
Titre : Use of satellite image classifications to update and enhance a land cover database Type de document : Mémoire Auteurs : Mohamed Touiti, Auteur ; Arnaud Le Bris , Encadrant Editeur : Tunis [Tunisie] : Ecole nationale d'ingénieurs de Carthage Année de publication : 2018 Importance : 90 p. Note générale : bibliographie
End of study project report, Software Engineering Training, Cycle Major : Information SystemsLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de changement
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] OpenCV
[Termes IGN] Python (langage de programmation)Résumé : (auteur) L’équipe MATIS du Laboratoire LaSTIG de l’Institut National de l’Information Géo graphique et Forestière (IGN) mène depuis plusieurs années des activités de recherches dans le domaine de la classification de données de télédétection pour l’occupation des sols (OCS), en zones urbaines et rurales. Avec l’arrivée des nouveaux capteurs Sentinel S1 (radar) et Sentinel S2 (optique), des séries temporelles d’images sont désormais disponibles gratuitement avec une forte résolution temporelle (entre 10 et 15 jours) et une forte résolution spectrale pour les images optiques. Par ailleurs, le territoire français fait également l’objet d’une couverture annuelle par des images à très haute résolution spatiale des satellites SPOT 6/7. Dans l’objectif de couvrir l’ensemble du territoire français par la cartographie de la couverture du sol à travers la classification sémantique des images de télédétection, ce stage a pour objectif de contribuer au processus de mise à jour des bases de données de couverture du sol et de fournir un outil fiable pour détecter les changements entre la base de données d’occupation du sol et les classifications d’images SPOT6 et Sentinel-2. Dans cette étude, nous avons implémenté et testé deux approches différentes pour la détection des changements, en utilisant la fusion et la régularisation des classifications individuelles des images satellites Sentinel-2 et SPOT-6. La fusion d’images multispectrales à très haute résolution spatiale avec des séries temporelles d’images à faible résolution spatiale avec un nombre élevé de bandes pourrait améliorer la classification de la couverture terrestre, en combinant les avantages géométriques et sémantiques des deux sources. La première approche est une approche non supervisée sur laquelle nous avons appliqué une classification non supervisée et une régularisation afin de lisser le bruit et de nous donner des résultats plus attrayants visuellement. Cela pourrait aussi donner une classification binaire (classe / pas de classe) alors nous nous sommes concentrés sur la classe "bâtiments", c’est la classe la plus fréquemment changée. Ainsi, nous avons obtenu une classification binaire des bâtiments/non-bâtiments considérés comme nos résultats et avons atteint une exhaustivité de 75% avec une exactitude proche de 70%, mais il existe une certaine confusion dans les zones surpeuplées. La seconde approche consiste en une approche supervisée dans laquelle nous avons utilisé un réseau de neurones convolutif pour détecter les changements. Ainsi, nous avons obtenu des résultats bien meilleurs, avec une précision de 94,95%, même si des améliorations de l’architecture pourraient être nécessaires pour obtenir des résultats satisfaisants. Note de contenu : General introduction
1- The general context
2- State of the art
3- Study areas ad data
4- Change detection
5- CNN for change detection
General conclusionNuméro de notice : 17320 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire ingénieur Organisme de stage : LaSTIG (IGN) DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98343 Documents numériques
peut être téléchargé
Use of satellite image classifications ... - pdf auteurAdobe 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)
[article]
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 IGN] agrégation spatiale
[Termes IGN] classification non dirigée
[Termes IGN] complexité
[Termes IGN] densité de population
[Termes IGN] données socio-économiques
[Termes IGN] image numérique
[Termes IGN] indicateur spatial
[Termes IGN] occupation du sol
[Termes IGN] Slovénie
[Termes IGN] utilisation du sol
[Termes IGN] zone homogèneRésumé : (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 Affiliation des auteurs : non IGN 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
in Geodetski vestnik > vol 61 n° 4 (December 2017 - February 2018) . - pp 541 - 581[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 139-2017041 RAB Revue Centre de documentation En réserve L003 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)
[article]
Titre : An unsupervised two-stage clustering approach for forest structure classification based on X-band InSAR data — A case study in complex temperate forest stands Type de document : Article/Communication Auteurs : Sahra Abdullahi, Auteur ; Mathias Schardt, Auteur ; Hans Pretzsch, Auteur Année de publication : 2017 Article en page(s) : pp 36 - 48 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] bande X
[Termes IGN] Bavière (Allemagne)
[Termes IGN] carte de Kohonen
[Termes IGN] classification barycentrique
[Termes IGN] classification non dirigée
[Termes IGN] distance euclidienne
[Termes IGN] forêt tempérée
[Termes IGN] image radar moirée
[Termes IGN] image TanDEM-X
[Termes IGN] image TerraSAR-X
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] structure d'un peuplement forestierRésumé : (auteur) Forest structure at stand level plays a key role for sustainable forest management, since the biodiversity, productivity, growth and stability of the forest can be positively influenced by managing its structural diversity. In contrast to field-based measurements, remote sensing techniques offer a cost-efficient opportunity to collect area-wide information about forest stand structure with high spatial and temporal resolution. Especially Interferometric Synthetic Aperture Radar (InSAR), which facilitates worldwide acquisition of 3d information independent from weather conditions and illumination, is convenient to capture forest stand structure. This study purposes an unsupervised two-stage clustering approach for forest structure classification based on height information derived from interferometric X-band SAR data which was performed in complex temperate forest stands of Traunstein forest (South Germany). In particular, a four dimensional input data set composed of first-order height statistics was non-linearly projected on a two-dimensional Self-Organizing Map, spatially ordered according to similarity (based on the Euclidean distance) in the first stage and classified using the k-means algorithm in the second stage. The study demonstrated that X-band InSAR data exhibits considerable capabilities for forest structure classification. Moreover, the unsupervised classification approach achieved meaningful and reasonable results by means of comparison to aerial imagery and LiDAR data. Numéro de notice : A2017-368 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.jag.2016.12.010 En ligne : https://doi.org/10.1016/j.jag.2016.12.010 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85785
in International journal of applied Earth observation and geoinformation > vol 57 (May 2017) . - pp 36 - 48[article]Unsupervised object-based differencing for land-cover change detection / Jinxia Zhu in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 3 (March 2017)
[article]
Titre : Unsupervised object-based differencing for land-cover change detection Type de document : Article/Communication Auteurs : Jinxia Zhu, Auteur ; Yanjun Su, Auteur ; Qinghua Guo, Auteur ; Thomas C. Harmon, Auteur Année de publication : 2017 Article en page(s) : pp 225 - 236 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] algorithme espérance-maximisation
[Termes IGN] altération
[Termes IGN] autocorrélation
[Termes IGN] changement d'occupation du sol
[Termes IGN] Chine
[Termes IGN] classification non dirigée
[Termes IGN] classification orientée objet
[Termes IGN] détection de changement
[Termes IGN] image multitemporelle
[Termes IGN] image SPOT-HRV
[Termes IGN] occupation du sol
[Termes IGN] traitement d'imageRésumé : (Auteur) One main problem of the spectral decomposition-based change detection method is the lack of efficient automatic techniques for developing the difference image. Traditional techniques generally assume that gray-level values in a difference image are independent and multitemporal images are co-registered/rectified perfectly without error. However, such assumptions are often violated because of the inevitable image misregistration and the interference of correlations between spectral bands. This study proposes an automated method based on the object-based multivariate alteration detection/maximum autocorrelation factor approach and the Gaussian mixture model-expectation maximization algorithm to obtain unsupervised difference images. This procedure is applied to bi-temporal (2005 and 2006) SPOT-HRV images at Panyu District Ponds, China. Results show that the proposed method successfully excludes the correlations of spectral bands and the influence of misregistration, as evidenced by a higher accuracy (up to 93.6 percent). These unique technical characteristics make this analytical framework suitable for detecting changes. Numéro de notice : A2017-089 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.83.3.225 En ligne : https://doi.org/10.14358/PERS.83.3.225 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84424
in Photogrammetric Engineering & Remote Sensing, PERS > vol 83 n° 3 (March 2017) . - pp 225 - 236[article]Joint analysis of passive and active land surface responses for Global Precipitation Measurement / Iris de Gelis (2017)PermalinkMRF-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)PermalinkShadow 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)PermalinkUnsupervised 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)PermalinkAn 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)PermalinkUsing classification trees to predict forest structure types from LiDAR data / Chiara Torresan in Annals of forest research, vol 59 n° 2 (July - December 2016)PermalinkContributions à la segmentation non supervisée d'images hyperspectrales : trois approches algébriques et géométriques / Saadallah El Asmar (2016)PermalinkA 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)PermalinkAn 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)PermalinkA new sparse source separation-based classification approach / M.A. Loghmari in IEEE Transactions on geoscience and remote sensing, vol 52 n° 11 tome 1 (November 2014)Permalink