Centre dedocumentation
scientifique

Adaptive transfer of color from images to maps and visualizations / Mingguang Wu in Cartography and Geographic Information Science, Vol 49 n° 4 (July 2022)  

Public [article]  inCartography and Geographic Information Science > Vol 49 n° 4 (July 2022) . - pp 289 - 312 Titre : Adaptive transfer of color from images to maps and visualizations Type de document : Article/Communication Auteurs : Mingguang Wu, Auteur ; Yanjie Sun, Auteur ; Yaqian Li, Auteur Année de publication : 2022 Article en page(s) : pp 289 - 312 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] amélioration des couleurs [Termes IGN] couleur (rédaction cartographique) [Termes IGN] données vectorielles [Termes IGN] esthétique cartographique [Termes IGN] orthoimage couleur [Termes IGN] relation sémantique [Termes IGN] saillance [Termes IGN] visualisation cartographique [Vedettes matières IGN] Géovisualisation Résumé : (auteur) Because crafting attractive and effective colors from scratch is a high-effort and time-consuming process in map and visualization design, transferring color from an inspiration source to maps and visualizations is a promising technique for both novices and experts. To date, existing image-to-image color transfer methods suffer from ambiguities and inconsistencies; no computational approach is available to transfer color from arbitrary images to vector maps. To fill this gap, we propose a computational method that transfers color from arbitrary images to a vector map. First, we classify reference images into regions with measures of saliency. Second, we quantify the communicative quality and esthetics of colors in maps; we then transform the problem of color transfer into a dual-objective, multiple-constraint optimization problem. We also present a solution method that can create a series of optimal color suggestions and generate a communicative quality-esthetic compromise solution. We compare our method with an image-to-image method based on two sample maps and six reference images. The results indicate that our method is adaptive to mapping scales, themes, and regions. The evaluation also provides preliminary evidence that our method can achieve better communicative quality and harmony. Numéro de notice : A2022-478 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2021.1982009 Date de publication en ligne : 10/11/2021 En ligne : https://doi.org/10.1080/15230406.2021.1982009 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100826 [article]

Polyline simplification based on the artificial neural network with constraints of generalization knowledge / Jiawei Du in Cartography and Geographic Information Science, Vol 49 n° 4 (July 2022)  

Public [article]  inCartography and Geographic Information Science > Vol 49 n° 4 (July 2022) . - pp 313 - 337 Titre : Polyline simplification based on the artificial neural network with constraints of generalization knowledge Type de document : Article/Communication Auteurs : Jiawei Du, Auteur ; Jichong Yin, Auteur ; Chengyi Liu, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 313 - 337 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] descripteur [Termes IGN] données maillées [Termes IGN] données vectorielles [Termes IGN] généralisation cartographique automatisée [Termes IGN] polyligne [Termes IGN] programmation par contraintes [Termes IGN] réseau neuronal artificiel [Termes IGN] simplification de contour [Vedettes matières IGN] Généralisation Résumé : (auteur) The present paper presents techniques for polyline simplification based on an artificial neural network within the constraints of generalization knowledge. The proposed method measures polyline shape characteristics that influence polyline simplification using abstracted descriptors and then introduces these descriptors into the artificial neural network as input properties. In total, 18 descriptors categorized into three types are presented in detail. In a second approach, map simplification principles are abstracted as controllers, imposed after the output layer of the trained artificial neural network to make the polyline simplification comply with these principles. This study worked with three controllers – a basic controller and two knowledge-based controllers. These descriptors and controllers abstracted from generalization knowledge were tested in experiments to determine their efficacy in polyline simplification based on the artificial neural network. The experimental results show that the utilization of abstracted descriptors and controllers can constrain the artificial neural network-based polyline simplification according to polyline shape characteristics and simplification principles. Numéro de notice : A2022-479 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : https://doi.org/10.1080/15230406.2021.2013944 Date de publication en ligne : 17/01/2022 En ligne : https://doi.org/10.1080/15230406.2021.2013944 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100885 [article]

Efficient calculation of distance transform on discrete global grid systems / Meysam Kazemi in ISPRS International journal of geo-information, vol 11 n° 6 (June 2022)  

Public [article]  inISPRS International journal of geo-information > vol 11 n° 6 (June 2022) . - n° 322 Titre : Efficient calculation of distance transform on discrete global grid systems Type de document : Article/Communication Auteurs : Meysam Kazemi, Auteur ; Lakin Wecker, Auteur ; Faramarz Samavati, Auteur Année de publication : 2022 Article en page(s) : n° 322 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] ArcGIS [Termes IGN] distance [Termes IGN] données vectorielles [Termes IGN] frontière [Termes IGN] maillage par triangles [Termes IGN] Ontario (Canada) [Termes IGN] sphèroïde [Termes IGN] système d'information géographique [Termes IGN] système de grille globale discrète [Termes IGN] transformation Résumé : (auteur) Numéro de notice : A2022-411 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi11060322 Date de publication en ligne : 25/05/2022 En ligne : https://doi.org/10.3390/ijgi11060322 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100761 [article]

Introduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale / François Sémécurbe (2022)    

Public Titre : Introduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale Type de document : Guide/Manuel Auteurs : François Sémécurbe, Auteur ; Elise Coudin, Auteur Editeur : Paris : Institut National de la Statistique et des Etudes Economiques INSEE Année de publication : 2022 Collection : Documents de travail num. 2022-01 Importance : 66 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] carte interactive [Termes IGN] cartographie dynamique [Termes IGN] cartographie thématique [Termes IGN] données spatiotemporelles [Termes IGN] données vectorielles [Termes IGN] GeoServer [Termes IGN] géostatistique [Termes IGN] PostGIS [Termes IGN] Python (langage de programmation) [Termes IGN] R (langage) [Termes IGN] stockage de données [Termes IGN] système d'information géographique [Termes IGN] traitement de données localisées Résumé : (éditeur) Ce document vise une présentation simple à l’attention des statisticiens des outils géomatiques récents qui permettent de stocker, traiter et diffuser l’information spatiale. Les logiciels comme R ou Python intègrent désormais les caractéristiques géographiques rendant plus accessibles leur traitement. Pour autant, le foisonnement des technologies, les possibilités offertes par le web, les technologies web, sont autant d’obstacles à dépasser pour celles et ceux souhaitant réaliser des cartographies thématiques percutantes. Ce document propose une présentation unifiée des concepts géomatiques, avec des extraits de code en R, Python et PostGIS. Il se concentre sur les données vectorielles et décrit les traitements et manipulations classiques à connaître pour construire une statistique spatiale. Il aborde aussi les outils et les flux permettant une diffusion dynamique (cartes interactives) de l’information spatiale. Il discute enfin le rôle de la spatialisation dans la représentation des données statistiques. Note de contenu : Introduction 1- Les données spatiales 2- Traitement des données spatiales 3- Diffusion dynamique de l'information spatiale Discussion : le territoire des statisticiens Numéro de notice : 28651 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Guide DOI : sans En ligne : https://www.insee.fr/fr/statistiques/6049652 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99778

Representing vector geographic information as a tensor for deep learning based map generalisation / Azelle Courtial (2022)  

Public Titre : Representing vector geographic information as a tensor for deep learning based map generalisation Type de document : Article/Communication Auteurs : Azelle Courtial , Auteur ; Guillaume Touya , Auteur ; Xiang Zhang, Auteur Editeur : AGILE Alliance Année de publication : 2022 Conférence : AGILE 2022, 25th international AGILE Conference on Geographic Information Science, Artificial intelligence in the service of geospatial technologies 14/06/2022 17/06/2022 Vilnius Lithuanie OA Proceedings Importance : 8 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] alignement des données [Termes IGN] apprentissage profond [Termes IGN] architecture de réseau [Termes IGN] bati [Termes IGN] carte topographique [Termes IGN] couche [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] données vectorielles [Termes IGN] information sémantique [Termes IGN] milieu urbain [Termes IGN] route [Termes IGN] tenseur [Vedettes matières IGN] Généralisation Résumé : (auteur) Recently, many researchers tried to generate (generalised) maps using deep learning, and most of the proposed methods deal with deep neural network architecture choices. Deep learning learns to reproduce examples, so we think that improving the training examples, and especially the representation of the initial geographic information, is the key issue for this problem. Our article extracts some representation issues from a literature review and proposes different ways to represent vector geographic information as a tensor. We propose two kinds of contributions: 1) the representation of information by layers; 2) the representation of additional information. Then, we demonstrate the interest of some of our propositions with experiments that show a visual improvement for the generation of generalised topographic maps in urban areas. Numéro de notice : C2022-024 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : https://agile-giss.copernicus.org/articles/3/index.html Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/agile-giss-3-32-2022 En ligne : https://doi.org/10.5194/agile-giss-3-32-2022 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100921

A methodology for producing realistic hill-shading map based on shaded relief map, digital orthophotographic map fusion and IHS transformation / Hongyun Zeng in Annals of GIS, vol 27 n° 4 (October 2021)  

Permalink

La géovisualisation de données massives sur le Web : entre avancées technologiques et évolutions cartographiques / Boris Mericskay in Mappemonde [en ligne], n° 131 (juillet 2021)  

Permalink

Graph convolutional autoencoder model for the shape coding and cognition of buildings in maps / Xiongfeng Yan in International journal of geographical information science IJGIS, vol 35 n° 3 (March 2021)  

Permalink

Étude de l’évolution du couvert forestier dans le Haut-Béarn / Céline Toussaint (2021) 

Permalink

Building facade reconstruction using crowd-sourced photos and two-dimensional maps / Wu Jie in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 11 (November 2020)  

Permalink

Local terrain modification method considering physical feature constraints for vector elements / Jiangfeng She in Cartography and Geographic Information Science, Vol 47 n° 5 (September 2020)  

Permalink

Automated conflation of digital elevation model with reference hydrographic lines / Timofey Samsonov in ISPRS International journal of geo-information, vol 9 n° 5 (May 2020)  

Permalink

Exploring the potential of deep learning segmentation for mountain roads generalisation / Azelle Courtial in ISPRS International journal of geo-information, vol 9 n° 5 (May 2020)  

Permalink

An OD flow clustering method based on vector constraints: a case study for Beijing taxi origin-destination data / Xiaogang Guo in ISPRS International journal of geo-information, vol 9 n° 2 (February 2020)  

Permalink

A spatially explicit database of wind disturbances in European forests over the period 2000–2018 / Giovanni Forzieri in Earth System Science Data, vol 12 n° 1 (January 2020)  

Permalink