Centre dedocumentation
scientifique

Residences information extraction from Landsat imagery using the multi-parameter decision tree method / Yujie Yang in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 14 [30/10/2019] . - pp 1621 - 1633 Titre : Residences information extraction from Landsat imagery using the multi-parameter decision tree method Type de document : Article/Communication Auteurs : Yujie Yang, Auteur ; Shijie Wang, Auteur ; Xiaoyong Bai, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 1621 - 1633 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] albedo [Termes descripteurs IGN] analyse spectrale [Termes descripteurs IGN] classification par arbre de décision [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] eau [Termes descripteurs IGN] extraction [Termes descripteurs IGN] image Landsat-OLI [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] ombre [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] urbanisme Résumé : (auteur) The rapid and accurate grasp of changes in residences is crucial for urban planning and urbanisation. However, the traditional methods for extracting residences exists several problems, which lead to inaccurate extraction results. In this study, the Landsat image is used to establish a new method for extracting the residences quickly and accurately. The specific steps are as follows: (1) We calculate surface albedo to exclude the interference of waters and shadows; (2) Using single-band threshold method, we eliminate the interference of shadows; (3) Normalized Difference Vegetation Index is calculated to exclude the effects of vegetation; (4) Roads are removed by calculating the shape index. Verification shows that the accuracy of this extraction method is 92.81%, which is more accurate than the traditional methods and solves the problems existed in the traditional methods. This novel method is a new reference for other land cover research on the technical aspect. Numéro de notice : A2019-528 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1494760 date de publication en ligne : 07/09/2018 En ligne : https://doi.org/10.1080/10106049.2018.1494760 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94106 [article]

Accurate detection of built-up areas from high-resolution remote sensing imagery using a fully convolutional network / Yihua Tan in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 10 (October 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 10 (October 2019) . - pp 737 - 752 Titre : Accurate detection of built-up areas from high-resolution remote sensing imagery using a fully convolutional network Type de document : Article/Communication Auteurs : Yihua Tan, Auteur ; Shengzhou Xiong, Auteur ; Zhi Li, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 737 - 752 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image Worldview [Termes descripteurs IGN] segmentation sémantique Résumé : (Auteur) The analysis of built-up areas has always been a popular research topic for remote sensing applications. However, automatic extraction of built-up areas from a wide range of regions remains challenging. In this article, a fully convolutional network (FCN)–based strategy is proposed to address built-up area extraction. The proposed algorithm can be divided into two main steps. First, divide the remote sensing image into blocks and extract their deep features by a lightweight multi-branch convolutional neural network (LMB-CNN). Second, rearrange the deep features into feature maps that are fed into a well-designed FCN for image segmentation. Our FCN is integrated with multi-branch blocks and outputs multi-channel segmentation masks that are utilized to balance the false alarm and missing alarm. Experiments demonstrate that the overall classification accuracy of the proposed algorithm can achieve 98.75% in the test data set and that it has a faster processing compared with the existing state-of-the-art algorithms. Numéro de notice : A2019-522 Thématique : IMAGERIE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.10.737 date de publication en ligne : 01/10/2019 En ligne : https://doi.org/10.14358/PERS.85.10.737 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93992 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019101	SL	Revue	Centre de documentation	Revues en salle	Disponible

Delineation of vacant building land using orthophoto and lidar data object classification / Dejan Jenko in Geodetski vestnik, vol 63 n° 3 (September - November 2019)  

Public [article]  inGeodetski vestnik > vol 63 n° 3 (September - November 2019) . - pp 344 - 378 Titre : Delineation of vacant building land using orthophoto and lidar data object classification Type de document : Article/Communication Auteurs : Dejan Jenko, Auteur ; Mojca Foški, Auteur ; Krištof Oštir, Auteur ; Žiga Kokalj, Auteur Année de publication : 2019 Article en page(s) : pp 344 - 378 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] couche thématique [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] logement [Termes descripteurs IGN] orthoimage [Termes descripteurs IGN] Slovénie Résumé : (Auteur) Exact data about the location and area of vacant building land have been a major issue in several Slovene municipalities. This article deals with automatic vacant building land delineation. The presented methodology is based on the object-based classification that derives the land cover layer from orthophoto and laser scanning data. With post-processing and data cleaning in GIS, we create the vacant building land layer. The methodology was tested in study areas in the Municipality of Trebnje. The results were compared to the vacant building land layer generated by visual interpretation (manual vectorisation). We found that the presented methodology of automatic delineation of vacant buildings can speed up the processing and lower the cost of manual vectorisation and, in particular, data updating but we cannot completely replace manual work. Numéro de notice : A2019-500 Thématique : POSITIONNEMENT Nature : Article DOI : 10.15292/geodetski-vestnik.2019.03.344-378 En ligne : http://dx.doi.org/10.15292/geodetski-vestnik.2019.03.344-378 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93782 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
139-2019031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Automatic building extraction from high-resolution aerial images and LiDAR data using gated residual refinement network / Jianfeng Huang in ISPRS Journal of photogrammetry and remote sensing, vol 151 (May 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 151 (May 2019) . - pp 91 - 105 Titre : Automatic building extraction from high-resolution aerial images and LiDAR data using gated residual refinement network Type de document : Article/Communication Auteurs : Jianfeng Huang, Auteur ; Xinchang Zhang, Auteur ; Qinchuan Xin, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 91 - 105 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] résidu [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] zone urbaine Résumé : (Auteur) Automated extraction of buildings from remotely sensed data is important for a wide range of applications but challenging due to difficulties in extracting semantic features from complex scenes like urban areas. The recently developed fully convolutional neural networks (FCNs) have shown to perform well on urban object extraction because of the outstanding feature learning and end-to-end pixel labeling abilities. The commonly used feature fusion or skip-connection refine modules of FCNs often overlook the problem of feature selection and could reduce the learning efficiency of the networks. In this paper, we develop an end-to-end trainable gated residual refinement network (GRRNet) that fuses high-resolution aerial images and LiDAR point clouds for building extraction. The modified residual learning network is applied as the encoder part of GRRNet to learn multi-level features from the fusion data and a gated feature labeling (GFL) unit is introduced to reduce unnecessary feature transmission and refine classification results. The proposed model - GRRNet is tested in a publicly available dataset with urban and suburban scenes. Comparison results illustrated that GRRNet has competitive building extraction performance in comparison with other approaches. The source code of the developed GRRNet is made publicly available for studies. Numéro de notice : A2019-206 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.02.019 date de publication en ligne : 20/03/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.02.019 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92669 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019051	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019053	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019052	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Building detection and regularisation using DSM and imagery information / Yousif A. Mousa in Photogrammetric record, vol 34 n° 165 (March 2019)  

Public [article]  inPhotogrammetric record > vol 34 n° 165 (March 2019) . - pp 85 - 107 Titre : Building detection and regularisation using DSM and imagery information Type de document : Article/Communication Auteurs : Yousif A. Mousa, Auteur ; Petra Helmholz, Auteur ; David Belton, Auteur ; Dimitri Bulatov, Auteur Année de publication : 2019 Article en page(s) : pp 85 - 107 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] masque [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] polygone [Termes descripteurs IGN] régularisation [Termes descripteurs IGN] simplification de contour Résumé : (Auteur) An automatic method for the regularisation of building outlines is presented, utilising a combination of data‐ and model‐driven approaches to provide a robust solution. The core part of the method includes a novel data‐driven approach to generate approximate building polygons from a list of given boundary points. The algorithm iteratively calculates and stores likelihood values between an arbitrary starting boundary point and each of the following boundary points using a function derived from the geometrical properties of a building. As a preprocessing step, building segments have to be identified using a robust algorithm for the extraction of a digital elevation model. Evaluation results on a challenging dataset achieved an average correctness of 96·3% and 95·7% for building detection and regularisation, respectively. Numéro de notice : A2019-454 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12275 date de publication en ligne : 26/03/2019 En ligne : https://doi.org/10.1111/phor.12275 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92867 [article]

Repeated structure detection for 3D reconstruction of building façade from mobile lidar data / Yanming Chen in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 2 (February 2019)  

Permalink

Integration of lidar data and GIS data for point cloud semantic enrichment at the point level / Harith Aljumaily in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 1 (January 2019)  

Permalink

Automatic building rooftop extraction from aerial images via hierarchical RGB-D priors / Shibiao Xu in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)  

Permalink

A greyscale voxel model for airborne lidar data applied to building detection / Liying Wang in Photogrammetric record, vol 33 n° 164 (December 2018)  

Permalink

Novel fusion approach on automatic object extraction from spatial data: case study Worldview-2 and TOPO5000 / Umut G. Sefercik in Geocarto international, vol 33 n° 10 (October 2018)  

Permalink

Extraction of building roof planes with stratified random sample consensus / André C. Carrilho in Photogrammetric record, vol 33 n° 163 (September 2018)  

Permalink

Fusion of images and point clouds for the semantic segmentation of large-scale 3D scenes based on deep learning / Rui Zhang in ISPRS Journal of photogrammetry and remote sensing, vol 143 (September 2018)  

Permalink

Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl in Revue Française de Photogrammétrie et de Télédétection, n° 217-218 (juin - septembre 2018)

Permalink

Decision fusion of SPOT6 and multitemporal Sentinel2 images for urban area detection / Cyril Wendl (2018)  

Permalink

Localisation par l'image en milieu urbain : application à la réalité augmentée / Antoine Fond (2018)  

Permalink