Descripteur
Documents disponibles dans cette catégorie (706)
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
Titre : Geographic Information Systems in geospatial intelligence Type de document : Monographie Auteurs : Rustam B. Rustamov, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2020 Importance : 190 p. ISBN/ISSN/EAN : 978-1-83880-505-0 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG
[Termes IGN] Airborne Data Acquisition and Registration
[Termes IGN] apprentissage automatique
[Termes IGN] base de données localisées
[Termes IGN] détection automatique
[Termes IGN] détection d'objet
[Termes IGN] étalonnage de capteur (imagerie)
[Termes IGN] Global Positioning System
[Termes IGN] image hyperspectrale
[Termes IGN] interféromètrie par radar à antenne synthétique
[Termes IGN] route
[Termes IGN] système d'information géographique
[Termes IGN] utilisation du solRésumé : (Editeur) Earth observation systems, by use of space science and technology advances, present a large-scale opportunity for applying remote sensing methods with geographical information system (GIS) developments. Integrating these two methods makes it possible to achieve high-accuracy satellite data processing. This book considers aspects of GIS technology applications with space science technology and innovation approaches. It examines the potential of Earth observation satellite systems as well as existing challenges and problems in the field. Chapters cover topics such as RGB-D sensors for autonomous pothole detection, machine learning in GIS, interferometric synthetic aperture radar (InSAR) modeling, and others. Note de contenu : Chapter 1 - InSAR modeling of geophysics measurements
Chapter 2 - Expanding navigation systems by integrating it with advanced technologies
Chapter 3 - A review of the machine learning in GIS for megacities application
Chapter 4 - Study of equatorial plasma bubbles using ASI and GPS systems
Chapter 5 - Spectral optimization of airborne multispectral camera for land cover classification: automatic feature selection and spectral band clustering
Chapter 6 - Clustering techniques for land use land cover classification of remotely sensed images
Chapter 7 - Building an integrated database of road design elements
Chapter 8 - On the use of low-cost RGB-D sensors for autonomous pothole detection with spatial fuzzy c-means segmentationNuméro de notice : 26559 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.84925 En ligne : http://doi.org/10.5772/intechopen.84925 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98242 Global investigation of marine atmospheric boundary layer rolls using Sentinel-1 SAR data / Chen Wang (2020)
Titre : Global investigation of marine atmospheric boundary layer rolls using Sentinel-1 SAR data Type de document : Thèse/HDR Auteurs : Chen Wang, Auteur ; René Garello, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique IMT Atlantique Année de publication : 2020 Autre Editeur : Brest : Université de Bretagne Occidentale Importance : 106 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le doctorat de l’Ecole nationale supérieure MINES-TÉLÉCOM Atlantique Bretagne - Pays de la Loire, Spécialité Océanographie, Physique et EnvironnementLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] apprentissage profond
[Termes IGN] circulation océanique
[Termes IGN] image Sentinel-SAR
[Termes IGN] roulis
[Termes IGN] ventIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Cette thèse exploite les données globales du radar à ouverture synthétique (SAR) Sentinel-1 (S-1) pour l'étude des rouleaux de la couche limite atmosphérique marine (MABL). Un modèle basé sur l'apprentissage en profondeur a été développé pour identifier automatiquement les rouleaux à partir des images massives S-1 WV. L'évaluation prouve que des rouleaux plus nombreux et plus clairs sont visibles à un angle d'incidence plus grand avec une limitation à des vitesses de vent très basses et lorsque la direction du vent est perpendiculaire à l'antenne SAR. Au delà de cela, les énormes données conduisent à un nouveau résultat qui, en moyenne et à toutes les vitesses de vent, les rouleaux MABL induisent des variations de vent de surface de ~ 8% (± 3,5%) le débit moyen, dépassant rarement 20%. Les statistiques mondiales ont confirmé dans des études antérieures que jusqu'à 90% des rouleaux identifiés se produisent dans des conditions quasi neutres à légèrement instables. La longueur d'onde et l'orientation du roulis sont extraites avec des résultats d'organisation multi-échelles et de contraste directionnel entre les latitudes basses et moyennes. La distribution systématique de l'orientation des rouleaux par rapport au vent de surface des tropiques aux extra-tropiques rappelle l'importance de la force de Coriolis horizontale sur les rouleaux. Malgré l'importance de ces faits saillants pour les études sur l'atmosphère et l'océan, il est très probable que les données SAR S-1 WV presque globales soient étendues aux rouleaux, aux cellules convectives et à d'autres processus air-mer clés. Les résultats devraient être comparés, expliqués et complétés dans un proche avenir par des études théoriques et numériques approfondies. Note de contenu :
1. Introduction
1.1 Marine atmospheric boundary layer rolls
1.2 Literature review of roll studies
1.3 SAR observation of MABL rolls
2. Scope of this thesis
2.1 Motivation and challenge
2.2 Objectives of the work
2.3 List of publications
2.4 Summary of main results
2.5 Conclusions and perspectives
3. Publications
3.1 A labelled ocean SAR imagery dataset of ten geophysical phenomena from Sentinel-1 wave mode
3.2 ClassificationoftheglobalSentinel-1SARvignettesforoceansurfaceprocess studies
3.3 An assessment of marine atmospheric boundary layer roll detection using Sentinel-1 SAR data
3.4 Insights into the Global Feature of Marine Atmospheric Boundary Layer RollsNuméro de notice : 26537 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Océanographie, Physique et Environnement : Nantes : 2020 Organisme de stage : Laboratoire des Sciences et Techniques de l'Information, de la Communication et de la Connaissance Lab-STICC nature-HAL : Thèse Date de publication en ligne : 20/04/2021 En ligne : https://tel.archives-ouvertes.fr/tel-02940927v2/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97700 De l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)
Titre : De l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond Type de document : Thèse/HDR Auteurs : Lionel Matteo, Auteur Editeur : Nice : Université Côte d'Azur Année de publication : 2020 Importance : 170 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse en vue de l’obtention du grade de docteur de l'Université Côte d'Azur, en Sciences de la Terre et de l’UniversLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] acquisition d'images
[Termes IGN] analyse comparative
[Termes IGN] apprentissage profond
[Termes IGN] Arizona (Etats-Unis)
[Termes IGN] Californie (Etats-Unis)
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données topographiques
[Termes IGN] faille géologique
[Termes IGN] fusion de données multisource
[Termes IGN] image captée par drone
[Termes IGN] image multi sources
[Termes IGN] image Pléiades-HR
[Termes IGN] MicMac
[Termes IGN] modèle de simulation
[Termes IGN] modèle numérique de surface
[Termes IGN] Nevada (Etats-Unis)
[Termes IGN] reconstruction 3D
[Termes IGN] semis de points
[Termes IGN] stéréo-orthophotographie
[Termes IGN] traitement de semis de pointsIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Les failles sismogéniques sont la source des séismes. L'étude de leurs propriétés nous informe donc sur les caractéristiques des forts séismes qu'elles peuvent produire. Les failles sont des objets 3D qui forment des réseaux complexes incluant une faille principale et une multitude de failles et fractures secondaires qui "découpent" la roche environnante à la faille principale. Mon objectif dans cette thèse a été de développer des approches pour aider à étudier cette fracturation secondaire intense. Pour identifier, cartographier et mesurer les fractures et les failles dans ces réseaux, j'ai adressé deux défis : -1) Les failles peuvent former des escarpements topographiques très pentus à la surface du sol, créant des "couloirs" ou des canyons étroits et profond où la topographie et donc, la trace des failles, peut être difficile à mesurer en utilisant des méthodologies standard (comme des acquisitions d'images satellites optiques stéréo et tri-stéréo). Pour répondre à ce défi, j'ai utilisé des acquisitions multi-stéréos avec différentes configurations (différents angles de roulis et tangage, différentes dates et modes d'acquisitions). Notre base de données constituée de 37 images Pléiades dans trois sites tectoniques différents dans l'Ouest américain (Valley of Fire, Nevada ; Granite Dells, Arizona ; Bishop Tuff, California) m'a permis de tester différentes configurations d'acquisitions pour calculer la topographie avec trois approches différentes. En utilisant la solution photogrammétrique open-source Micmac (IGN ; Rupnik et al., 2017), j'ai calculé la topographie sous la forme de Modèles Numériques de Surfaces (MNS) : (i) à partir de combinaisons de 2 à 17 images Pléiades, (ii) en fusionnant des MNS calculés individuellement à partir d'acquisitions stéréo et tri-stéréo, évitant alors l'utilisant d'acquisitions multi-dates et (iii) en fusionnant des nuages de points calculés à partir d'acquisitions tri-stéréos en suivant la méthodologie multi-vues développée par Rupnik et al. (2018). J’ai aussi combiné, dans une dernière approche (iv), des acquisitions tri-stéréos avec la méthodologie multi-vues stéréos du CNES/CMLA (CARS) développé par Michel et al. (2020), en combinant des acquisitions tri-stéréos. A partir de ces quatre approches, j'ai calculé plus de 200 MNS et mes résultats suggèrent que deux acquisitions tri-stéréos ou une acquisition stéréo combinée avec une acquisition tri-stéréo avec des angles de roulis opposés permettent de calculer les MNS avec la surface topographique la plus complète et précise. -2) Couramment, les failles sont cartographiées manuellement sur le terrain ou sur des images optiques et des données topographiques en identifiant les traces curvilinéaires qu'elles forment à la surface du sol. Néanmoins, la cartographie manuelle demande beaucoup de temps, ce qui limite notre capacité à produire cartographies et mesures complètes des réseaux de failles. Pour s'affranchir de ce problème, j'ai adopté une approche d'apprentissage profond, couramment appelé un réseau de neurones convolutifs (CNN) - U-Net, pour automatiser l'identification et la cartographie des fractures et des failles dans des images optiques et des données topographiques. Volontairement, le modèle CNN a été entraîné avec une quantité modérée de fractures et failles cartographiées manuellement à basse résolution et dans un seul type d'images optiques (photographies du sol avec des caméras classiques). A partir d'un grand nombre de tests, j'ai sélectionné le meilleur modèle, MRef et démontre sa capacité à prédire des fractures et des failles précisément dans données optiques et topographiques de différents types et différentes résolutions (photographies prises au sol, avec un drone et par satellite). Le modèle MRef montre de bonnes capacités de généralisations faisant alors de ce modèle un bon outil pour cartographie rapidement et précisément des fractures et des failles dans des images optiques et des données topographiques. Note de contenu : Introduction générale
Partie 1 - Reconstruction 3D haute résolution
1. Introduction
1.1 Les données topographiques, une solution pour analyser la surface terrestre
1.2 Le récent développement de satellites à capteur optique
1.3 La reconstruction 3D à partir d’images optiques : la photogrammétrie
1.4 Problématique du sujet
2. Acquisitions de données et sites d’études
2.1 Acquisitions d’images satellitaires
2.2 Données LiDAR aéroportées
2.3 Acquisitions d’images par drone
2.4 Acquisitions d’images par appareil photo suspendu à une perche
2.5 Acquisitions de points d’appui
2.6 Sites d’études
3. Calcul de MNS et estimation de leur performance
3.1 Micmac (IGN)
3.2 CARS (CNES/CMLA)
3.3 Quatre méthodes pour calculer des MNS
3.4 Performances des MNS
4. Résultats
4.1 MNS calculés avec des acquisitions multi-dates
4.2 Fusion de MNS calculés avec des acquisitions mono-dates
4.3 Reconstruction 3D à partir de nuage de points fusionnés
4.4 Analyses des MNS générés avec CARS
4.5 Comparaison des méthodes B, C et D dans la zone de Canyons de Valley of Fire 65
4.6 Utilisation de 1 à 4 GCPs pour calculer un MNS
4.7 Application de la méthode B aux deux autres sites
5. Discussion
5.1 La reconstruction 3D à partir d’acquisitions multi-dates
5.2 L’impact des méthodes B, C et D dans la performance des MNS finaux
5.3 Les erreurs possibles dans le calcul des erreurs du géoréférencement des MNS
5.4 La comparaison des MNS Pléiades calculés à d’autres MNS
6. Conclusions
Partie 2 - Automatic fault mapping in remote optical images and topographic data with deep learning - submitted to JGR: Solid Earth
7. Introduction
8. Image, topographic and fault data
8.1 Fault Sites
8.2 Optical image and topographic data
8.3 Fault ground truth derived from manual mapping
9. Deep learning methodology
9.1 Principles of Deep Learning and Convolutional Neural Networks
9.2 Architecture of the CNN model used in present study
9.3 Training procedure
9.4 Estimating the performance of the models
10. Defining a “reference model” MRef
10.1 Selecting the most appropriate CNN architecture
10.2 Sensitivity of model performance to training data size
10.3 Sensitivity of model performance to “quality” of training data
10.4 Refrence model
11. Detailed evaluation of reference model fault predictions
11.1 Results in sites A and B
11.2 Predictions in unseen data of similar type
11.3 Predictions in unseen data of different type
12. Discussion
12.1 U-net appropriate for fracture and fault detection in optical images
12.2 Interpreting learnt characteristics of faults and fractures
12.3 Conditions for model generalization
12.4 Uncertainties and model robustness
12.5 Recovering fault hierarchy and connectivity
13 Conclusions
Conclusion généraleNuméro de notice : 26555 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l'Univers : Côte d'Azur : 2020 Organisme de stage : Géoazur UMR 7329 - Observatoire de la Côte d'Azur nature-HAL : Thèse Date de publication en ligne : 02/06/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03245713/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97965
Titre : Des images satellites aux cartes vectorielles Type de document : Thèse/HDR Auteurs : Onur Tasar, Auteur ; Pierre Alliez, Directeur de thèse Editeur : Nice : Université Côte d'Azur Année de publication : 2020 Importance : 151 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée en vue de l'obtention du grade de docteur en Automatique, Traitement du Signal et des Images de l'Université Côte d'AzurLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification dirigée
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification pixellaire
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] données massives
[Termes IGN] données matricielles
[Termes IGN] généralisation cartographique
[Termes IGN] géomètrie algorithmique
[Termes IGN] image aérienne
[Termes IGN] image satellite
[Termes IGN] maillage
[Termes IGN] représentation vectorielle
[Termes IGN] segmentation sémantique
[Termes IGN] vectorisationIndex. décimale : THESE Thèses et HDR Résumé : (auteur) With the help of significant technological developments over the years, it has been possible to collect massive amounts of remote sensing data. For example, the constellations of various satellites are able to capture large amounts of remote sensing images with high spatial resolution as well as rich spectral information over the globe. The availability of such huge volume of data has opened the door to numerous applications and raised many challenges. Among these challenges, automatically generating accurate maps has become one of the most interesting and long-standing problems, since it is a crucial process for a wide range of applications in domains such as urban monitoring and management, precise agriculture, autonomous driving, and navigation. This thesis seeks for developing novel approaches to generate vector maps from remote sensing images. To this end, we split the task into two sub-stages. The former stage consists in generating raster maps from remote sensing images by performing pixel-wise classification using advanced deep learning techniques. The latter stage aims at converting raster maps to vector ones by leveraging computational geometry approaches. This thesis addresses the challenges that are commonly encountered within both stages. Although previous research has shown that convolutional neural networks (CNNs)are able to generate excellent maps when training data are representative for test data, their performance significantly drops when there exists a large distribution difference between training and test images. In the first stage of our pipeline, we mainly aim atvercoming limited generalization abilities of CNNs to perform large-scale classification. We also explore a way of leveraging multiple data sets collected at different times with annotations for separate classes to train CNNs that can generate maps for all the classes. In the second part, we propose a method that vectorizes raster maps to integrate them into geographic information systems applications, which completes our processing pipeline. Throughout this thesis, we experiment on a large number of very high resolution satellite and aerial images. Our experiments demonstrate robustness and scalability of the proposed methods. Note de contenu : 1- Introduction
2- Progressively learning to segment new classes
3- City-to-city domain adaptation
4- Multi-source domain adaptation by data standardization
5- Multi-source, multi-target, and life-long domain adaptation
6- Vectorization of buildings via mesh approximation
7- Conclusions and perspectivesNuméro de notice : 28571 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du Signal et des Images : Côte d'Azur : 2020 Organisme de stage : INRIA Sophia Antipolis nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-02989681v2/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97728 Imaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning / Peipei Ran (2020)
Titre : Imaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning Type de document : Thèse/HDR Auteurs : Peipei Ran, Auteur ; Dominique Lesselier, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2020 Importance : 135 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat de l’Université Paris-Saclay, Traitement du signal et des imagesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement du signal
[Termes IGN] apprentissage profond
[Termes IGN] chambre anéchoïque
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] diffraction
[Termes IGN] diffusion de Rayleigh
[Termes IGN] hyperfréquence
[Termes IGN] impulsion
[Termes IGN] longueur d'onde
[Termes IGN] micro-onde
[Termes IGN] réseau neuronal récurrent
[Termes IGN] zone d'intérêtIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Electromagnetic probing of a gridlike, finite set of infinitely long circular cylindrical dielectric rods affected by missing ones is investigated from time-harmonic single and multiple frequency data. Sub-wavelength distances between adjacent rods and sub-wavelength rod diameters are assumed throughout the frequency band of operation and this leads to a severe challenge due to need of super-resolution within the present micro-structure, well beyond the Rayleigh criterion. A wealth of solution methods is investigated and comprehensive numerical simulations illustrate pros and cons, completed by processing laboratory-controlled experimental data acquired on a micro-structure prototype in a microwave anechoic chamber. These methods, which differ per a priori information accounted for and consequent versatility, include time-reversal, binary-specialized contrast-source and sparsity-constrained inversions, and convolutional neural networks possibly combined with recurrent ones. Note de contenu : 1- Introduction
2- Modelling of the forward problem
3- Sparsity constrained inversion and contrast source inversion
4- Imaging by convolutional neural networks in frequency domain
5- Imaging by recurrent neural networks in time domain
6- Imaging by convolutional-recurrent neural networks
7- Direct imaging method: time reversal
8- ConclusionNuméro de notice : 28564 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du signal et des images : Université Paris-Saclay : 2020 Organisme de stage : Laboratoire des signaux et systèmes nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-03105752/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97636 PermalinkINS/GNSS integration using recurrent fuzzy wavelet neural networks / Parisa Doostdar in GPS solutions, vol 24 n° 1 (January 2020)PermalinkPermalinkPermalinkInteractions between hierarchical learning and visual system modeling : image classification on small datasets / Thalita Firmo Drumond (2020)PermalinkPermalinkPermalinkPermalinkLearning and geometric approaches for automatic extraction of objects from remote sensing images / Nicolas Girard (2020)PermalinkPermalink