Descripteur
Documents disponibles dans cette catégorie (151)
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
Toward satellite-based land cover classification through optimum-path forest / Rodrigo José Pisani in IEEE Transactions on geoscience and remote sensing, vol 52 n° 10 tome 1 (October 2014)
[article]
Titre : Toward satellite-based land cover classification through optimum-path forest Type de document : Article/Communication Auteurs : Rodrigo José Pisani, Auteur ; Rodrigo Yuji Mizobe Nakamura, Auteur ; Paulina Setti Riedel, Auteur ; et al., Auteur Année de publication : 2014 Article en page(s) : pp 6075 - 6085 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] forêt
[Termes IGN] occupation du solRésumé : (Auteur) Land cover classification has been paramount in the last years. Since the amount of information acquired by satellite on-board imaging systems has increased, there is a need for automatic tools that can tackle such problem. Despite the fact that one can find several works in the literature, we propose a novel methodology for land cover classification by means of the optimum-path forest (OPF) framework, which has never been applied to this context up to date. Experiments were conducted in supervised and unsupervised situations against some state-of-the-art pattern recognition techniques, such as support vector machines, Bayesian classifier, k-means, and mean shift. We had shown that supervised OPF can outperform such approaches, being much faster than all. In regard to clustering techniques, all classifiers have achieved similar results. Numéro de notice : A2014-483 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2013.2294762 En ligne : https://doi.org/10.1109/TGRS.2013.2294762 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74066
in IEEE Transactions on geoscience and remote sensing > vol 52 n° 10 tome 1 (October 2014) . - pp 6075 - 6085[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-2014101A RAB Revue Centre de documentation En réserve L003 Disponible Geospatial method for computing supplemental multi-decadal US coastal land use and land cover classification products, using Landsat data and C-CAP products / Joseph P. Spruce in Geocarto international, vol 29 n° 5 - 6 (August - October 2014)
[article]
Titre : Geospatial method for computing supplemental multi-decadal US coastal land use and land cover classification products, using Landsat data and C-CAP products Type de document : Article/Communication Auteurs : Joseph P. Spruce, Auteur ; James C. Smoot, Auteur ; Jean T. Ellis, Auteur ; et al., Auteur Année de publication : 2014 Article en page(s) : pp 470-485 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification ISODATA
[Termes IGN] classification non dirigée
[Termes IGN] détection de changement
[Termes IGN] image Landsat
[Termes IGN] image optique
[Termes IGN] occupation du sol
[Termes IGN] surveillance du littoralRésumé : (auteur) This paper discusses the development and implementation of a method that can be used with multi-decadal Landsat data for computing general coastal US land use and land cover (LULC) maps consisting of seven classes. With Mobile Bay, Alabama as the study region, the method that was applied to derive LULC products for nine dates across a 34-year time span. Classifications were computed and refined using decision rules in conjunction with unsupervised classification of Landsat data and Coastal Change and Analysis Program value-added products. Each classification’s overall accuracy was assessed by comparing stratified random locations to available high spatial resolution satellite and aerial imagery, field survey data and raw Landsat RGBs. Overall classification accuracies ranged from 83 to 91% with overall κ statistics ranging from 0.78 to 0.89. Accurate classifications were computed for all nine dates, yielding effective results regardless of season and Landsat sensor. This classification method provided useful map inputs for computing LULC change products. Numéro de notice : A2014-407 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2013.798357 Date de publication en ligne : 04/06/2013 En ligne : https://doi.org/10.1080/10106049.2013.798357 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=73944
in Geocarto international > vol 29 n° 5 - 6 (August - October 2014) . - pp 470-485[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 059-2014031 RAB Revue Centre de documentation En réserve L003 Disponible Connaissance de la biodiversité végétale / Jan-Bernard Bouzillé (2014)
Titre : Connaissance de la biodiversité végétale : démarches et outils technologiques Type de document : Monographie Auteurs : Jan-Bernard Bouzillé, Auteur Editeur : Paris : Lavoisier Année de publication : 2014 Collection : Tec & Doc Importance : 304 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7430-1537-4 Note générale : Annexes et bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse spatiale
[Termes IGN] base de données thématiques
[Termes IGN] biodiversité végétale
[Termes IGN] carte de la végétation
[Termes IGN] classification dirigée
[Termes IGN] classification floue
[Termes IGN] classification non dirigée
[Termes IGN] données de terrain
[Termes IGN] données environnementales
[Termes IGN] GRASS
[Termes IGN] image Landsat
[Termes IGN] image SPOT
[Termes IGN] photo-interprétation
[Termes IGN] phytosociologie
[Termes IGN] QGIS
[Termes IGN] traitement d'imageIndex. décimale : 35.41 Applications de télédétection - végétation Résumé : (Editeur) La cartographie des habitats fait partie des opérations engagées dans un grand nombre de pays, comme en France le programme CarHAB mis en place par le ministère de l’Écologie, du Développement durable et de l’Énergie, dans les buts d’améliorer les connaissances sur la biodiversité et de surveiller l’état de conservation des habitats d’intérêt communautaire. Cet ouvrage est le 1er en français qui propose des démarches de traitement des données de végétation permettant notamment l’élaboration de documents cartographiques. Il s’inscrit dans un contexte technologique encore très peu exploré en France dans le domaine de la biodiversité végétale, à travers une orientation double : présenter les fondements théoriques des opérations à mettre en œuvre et fournir des informations précises permettant de réaliser pratiquement les différentes étapes technologiques. Clair, didactique et richement illustré, il expose en trois grandes parties : – les démarches modernes d’analyse et de classification des communautés végétales et les outils technologiques disponibles et validés par l’International Association of Vegetation Science ; – l’identification des unités de végétation ; – la cartographie des habitats grâce à l’utilisation des images satellites. Des informations précises sont exposées afin de développer l’imagerie écologique dans le cadre de la connaissance de la dynamique spatio-temporelle de la biodiversité, notamment pour l’établissement de diagnostics d’état de conservation des habitats. Quelques logiciels d’accès libre, comme GRASS®, QGis®, Gingko® et Juice®, font l’objet de présentations détaillées permettant au lecteur de les utiliser au fi l de sa lecture. Des explications statistiques sont également proposées pour faciliter la compréhension des méthodes utilisées dans le cadre de la chaîne de traitement des données, ainsi que les bases requises de géomatique pour permettre aux praticiens travaillant sur les couverts végétaux de conduire une opération cartographique pertinente sur la dynamique de la biodiversité. Cet ouvrage s’adresse aux étudiants de licence et master en sciences de la vie, mais aussi en géographie, ainsi qu’aux étudiants des formations professionnelles en environnement (BTS, DUT, écoles d’ingénieurs, licences et masters) avec une spécialisation en biodiversité. Il répond également aux préoccupations des praticiens chargés d’étude du patrimoine naturel. Note de contenu : Introduction : démarches technologiques et scientifiques pour la connaissance de la biodiversité végétale
1. Démarches technologiques
2. Démarches scientifiques
Première partie : classification de la végétation
Chapitre 1. Problématiques relatives aux démarches de classification
Chapitre 2. Méthodes de classification hiérarchique
Chapitre 3. Évaluation et comparaison des classifications de la végétation
Chapitre 4. Classifications non hiérarchiques ou de partitionnements
Deuxième partie : du relevé de terrain à l’identification des communautés végétales
Chapitre 5. Relevés de terrain et leur intégration dans une base de données
Chapitre 6. Identification phytosociologique des communautés végétales
Chapitre 7. Extraction d’informations
Troisième partie : cartographie de la végétation et utilisation des images satellites
Chapitre 8. Considérations générales sur l’imagerie satellitaire
Chapitre 9. Classification des images
Chapitre 10. Analyses spatiales – imagerie écologique
Conclusion généraleNuméro de notice : 22256 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET Nature : Monographie Accessibilité hors numérique : Accessible via le SUDOC (sur demande au cdos) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=75995 Fusion of airborne laserscanning point clouds and images for supervised and unsupervised scene classification / Markus Gerke in ISPRS Journal of photogrammetry and remote sensing, vol 87 (January 2014)
[article]
Titre : Fusion of airborne laserscanning point clouds and images for supervised and unsupervised scene classification Type de document : Article/Communication Auteurs : Markus Gerke, Auteur ; Jing Xiao, Auteur Année de publication : 2014 Article en page(s) : pp 78 - 92 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] champ aléatoire de Markov
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] classification par arbre de décision
[Termes IGN] conflation
[Termes IGN] densification
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] semis de points
[Termes IGN] toit
[Termes IGN] voxelRésumé : (Auteur) Automatic urban object detection from airborne remote sensing data is essential to process and efficiently interpret the vast amount of airborne imagery and Laserscanning (ALS) data available today. This paper combines ALS data and airborne imagery to exploit both: the good geometric quality of ALS and the spectral image information to detect the four classes buildings, trees, vegetated ground and sealed ground. A new segmentation approach is introduced which also makes use of geometric and spectral data during classification entity definition. Geometric, textural, low level and mid level image features are assigned to laser points which are quantified into voxels. The segment information is transferred to the voxels and those clusters of voxels form the entity to be classified. Two classification strategies are pursued: a supervised method, using Random Trees and an unsupervised approach, embedded in a Markov Random Field framework and using graph-cuts for energy optimization. A further contribution of this paper concerns the image-based point densification for building roofs which aims to mitigate the accuracy problems related to large ALS point spacing. Results for the ISPRS benchmark test data show that to rely on color information to separate vegetation from non-vegetation areas does mostly lead to good results, but in particular in shadow areas a confusion between classes might occur. The unsupervised classification strategy is especially sensitive in this respect. As far as the point cloud densification is concerned, we observe similar sensitivity with respect to color which makes some planes to be missed out, or false detections still remain. For planes where the densification is successful we see the expected enhancement of the outline. Numéro de notice : A2014-014 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2013.10.011 En ligne : https://doi.org/10.1016/j.isprsjprs.2013.10.011 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32919
in ISPRS Journal of photogrammetry and remote sensing > vol 87 (January 2014) . - pp 78 - 92[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 081-2014011 RAB Revue Centre de documentation En réserve L003 Disponible Classification automatique des images satellitaires optimisée par l'algorithme des chauves-souris / Soumia Benmostefa in Revue Française de Photogrammétrie et de Télédétection, n° 203 (Juillet 2013)
[article]
Titre : Classification automatique des images satellitaires optimisée par l'algorithme des chauves-souris Type de document : Article/Communication Auteurs : Soumia Benmostefa, Auteur ; Hadria Fizazi, Auteur Année de publication : 2013 Conférence : AARSE 2012, 9th international conference of the African Association of Remote Sensing and the Environment 29/10/2012 02/11/2012 El Jadida Maroc open access proceedings Article en page(s) : pp 11 - 17 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] algorithme génétique
[Termes IGN] classification automatique
[Termes IGN] classification non dirigée
[Termes IGN] données satellitaires
[Termes IGN] Echo (satellite)
[Termes IGN] modélisation
[Termes IGN] Oran (Algérie)Résumé : (Auteur) Cet article propose une nouvelle approche de classification automatique non supervisée des images. La classification est l'une des opérations les plus importantes dans plusieurs domaines d'analyse d'images telles que la médecine et la télédétection. Elle consiste à rechercher les différentes thèmes constituant une scène représentée. Cependant, en raison de sa complexité plusieurs méthodes ont été proposées, spécifiquement des méthodes d'optimisation. Nous nous intéressons à la technique des chauves-souris, une métaheuristique d'optimisation biologique très récente, visant à modéliser le comportement d'écholocation des chauves-souris que nous allons adapter au problème de classification. Elle combine les avantages de plusieurs métaheuristiques telles que l'optimisation par essaims particulaires, les algorithmes génétiques et le recuit simulé. Une nouvelle approche de classification automatique basée sur l'algorithme des chauves-souris est implémentée et appliquée sur deux images, la première est synthétique contenant des objets polyédriques, la seconde est satellitaire représentant la région d'Oran Ouest en Algérie. Les différentes expérimentations effectuées conduisent à des résultats satisfaisants et montrent l'efficacité de l'approche. Numéro de notice : A2013-679 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.52638/rfpt.2013.25 En ligne : https://doi.org/10.52638/rfpt.2013.25 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32815
in Revue Française de Photogrammétrie et de Télédétection > n° 203 (Juillet 2013) . - pp 11 - 17[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 018-2013031 RAB Revue Centre de documentation En réserve L003 Disponible Classification and reconstruction from random projections for hyperspectral imagery / W. Li in IEEE Transactions on geoscience and remote sensing, vol 51 n° 2 (February 2013)PermalinkComparaison et évaluation de méthodes d'extraction automatique d'objets sur des images optique et radar / Charlotte Benedetto (2013)PermalinkCrop yield estimation based on unsupervised linear unmixing of multidate hyperspectral imagery / B. Luo in IEEE Transactions on geoscience and remote sensing, vol 51 n° 1 Tome 1 (January 2013)PermalinkExploring geomorphometry through user generated content: Comparing an unsupervised geomorphometric classification with terms attached to georeferenced images in Great Britain / C. Gschwend in Transactions in GIS, vol 16 n° 4 (August 2012)PermalinkHyperspectral unmixing based on mixtures of Dirichlet components / J. Nascimento in IEEE Transactions on geoscience and remote sensing, vol 50 n° 3 (March 2012)PermalinkTraitements numériques des images de télédétection, Vol. 3. Traitements appliqués à la photo-interprétation / Olivier de Joinville (2012)PermalinkApproche non supervisée par processus ponctuels marqués pour l'extraction d'objets à partir d'images aériennes et satellitaires / S. Ben Hadj in Revue Française de Photogrammétrie et de Télédétection, n° 194 (Mai 2011)PermalinkAutomatic fuzzy clustering using modified differential evolution for image classification / U. Maulik in IEEE Transactions on geoscience and remote sensing, vol 48 n° 9 (September 2010)PermalinkExtraction automatique des discontinuités planes à partir d'une scannérisation laser 3D en milieu rocheux / Souhail Hajri in Revue Française de Photogrammétrie et de Télédétection, n° 192 (Septembre 2010)PermalinkApplication de la classification floue (fuzzy k-NN) à l'étude de l'occupation du sol d'une zone urbaine : le cas de la région de Genève / S. Rakotoniaina in Photo interprétation, European journal of applied remote sensing, vol 46 n° 2 (juin 2010)Permalink