Descripteur
Termes IGN > imagerie > image numérique > image optique > image multibande > image hyperspectrale
image hyperspectraleVoir aussi |
Documents disponibles dans cette catégorie (485)
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
Télédétection synchronisée hyperspectrale et LiDAR à retour d’onde complet : application au suivi des littoraux sableux de la région Pays-de-la-Loire / Giovanni Frati (2021)
Titre : Télédétection synchronisée hyperspectrale et LiDAR à retour d’onde complet : application au suivi des littoraux sableux de la région Pays-de-la-Loire Type de document : Thèse/HDR Auteurs : Giovanni Frati, Auteur ; Patrick Launeau, Directeur de thèse ; Marc Robin, Directeur de thèse Editeur : Nantes : Université de Nantes Année de publication : 2021 Importance : 262 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université de Nantes, spécialité Sciences de la Terre et de l’environnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] correction géométrique
[Termes IGN] couvert végétal
[Termes IGN] données lidar
[Termes IGN] dune
[Termes IGN] image hyperspectrale
[Termes IGN] lidar à retour d'onde complète
[Termes IGN] littoral
[Termes IGN] Pays de la Loire
[Termes IGN] signal lidar
[Termes IGN] télédétection aérienneIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La télédétection aéroportée permet un suivi très précis de la dynamique des cordons dunaires. Ces derniers jouent en autre un rôle de protection des zones rétro-littorales contre les risques de submersions marines. Dans le cadre du suivi des côtes sableuses des Pays-de-la-Loire, deux paramètres essentiels sont analysés : 1) la morphologie, donnant accès aux stocks et mouvements sédimentaires, et 2) le couvert de végétal, permettant d’évaluer les degrés de stabilité des cordons dunaires. Les morphologies des dunes et de leurs couvertures végétales sont étudiées par télémétrie laser (LiDAR) et leurs compositions chimiques et pigmentaires sont obtenues par imagerie hyperspectrale (HSI). Les données LiDAR à retour d’onde complet et hyperspectrales sont acquises via un avion bi-trappes. Le balayage latéral (whiskbroom) du faisceau laser à 1064 nm est synchronisé avec le balayage frontal (pushbroom) de la caméra. La typologie des dunes est déterminée par l’emploi de classifications hiérarchisées des images hyperspectrales, se basant sur les propriétés spectrales des couverts végétaux. La cartographie d’Ammophila arenaria (oyat), proxy de stabilisation de la dune blanche, est cependant parfois rendue difficile par sa proximité avec les signatures spectrales d’autres plantes ainsi que par sa forte variabilité d’états phénologiques d’une année à l’autre. La télémétrie laser des sols n’est possible que lorsque ceuxci peuvent être atteints, ce que ne permettent pas les groupement d’oyat, du fait de la densité de leur composante foliaire. L’analyse du retour d’onde complet montre cependant que la structure du feuillage induit une déformation caractéristique permettant d’identifier l’oyat parmi toute les autres plantes de la dune. Celle-ci peut alors être utilisée pour corriger l’erreur de détermination de la topographie des dunes. Note de contenu : 1- Introduction
2- Contexte géomorphologique
3- Etat de l'art de la télédétection
4- Développements méthodologiques
5- Application au suivi d'un cordon dunaire
6- Mise en évidence et caractérisation de la dynamique dunaire
7- Caractérisation du proxy oyat de la dynamique dunaire
8- Conclusion généraleNuméro de notice : 28634 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l’environnement : Nantes : 2021 Organisme de stage : Laboratoire de Planétologie et Géodynamique DOI : sans En ligne : http://www.theses.fr/2021NANT4060 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99645 Hyperspectral band selection via optimal neighborhood reconstruction / Qi Wang in IEEE Transactions on geoscience and remote sensing, Vol 58 n° 12 (December 2020)
[article]
Titre : Hyperspectral band selection via optimal neighborhood reconstruction Type de document : Article/Communication Auteurs : Qi Wang, Auteur ; Fahong Zhang, Auteur ; Xuelong Li, Auteur Année de publication : 2020 Article en page(s) : pp 8465 - 8476 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse combinatoire (maths)
[Termes IGN] image hyperspectrale
[Termes IGN] image multibande
[Termes IGN] optimisation (mathématiques)
[Termes IGN] reconstruction d'image
[Termes IGN] réductionRésumé : (auteur) Band selection is one of the most important technique in the reduction of hyperspectral image (HSI). Different from traditional feature selection problem, an important characteristic of it is that there is usually strong correlation between neighboring bands, that is, bands with close indexes. Aiming to fully exploit this prior information, a novel band selection method called optimal neighborhood reconstruction (ONR) is proposed. In ONR, band selection is considered as a combinatorial optimization problem. It evaluates a band combination by assessing its ability to reconstruct the original data, and applies a noise reducer to minimize the influence of noisy bands. Instead of using some approximate algorithms, ONR exploits a recurrence relation that underlies the optimization target to obtain the optimal solution in an efficient way. Besides, we develop a parameter selection approach to automatically determine the parameter of ONR, ensuring it is adaptable to different data sets. In experiments, ONR is compared with some state-of-the-art methods on six HSI data sets. The results demonstrate that ONR is more effective and robust than the others in most of the cases. Numéro de notice : A2020-742 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2987955 Date de publication en ligne : 29/04/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2987955 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96372
in IEEE Transactions on geoscience and remote sensing > Vol 58 n° 12 (December 2020) . - pp 8465 - 8476[article]Nonlocal graph convolutional networks for hyperspectral image classification / Lichao Mou in IEEE Transactions on geoscience and remote sensing, Vol 58 n° 12 (December 2020)
[article]
Titre : Nonlocal graph convolutional networks for hyperspectral image classification Type de document : Article/Communication Auteurs : Lichao Mou, Auteur ; Xiaoqiang Lu, Auteur ; Xuelong Li, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 8246 - 8257 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification semi-dirigée
[Termes IGN] entropie
[Termes IGN] graphe
[Termes IGN] image hyperspectrale
[Termes IGN] réseau neuronal récurrentRésumé : (auteur) Over the past few years making use of deep networks, including convolutional neural networks (CNNs) and recurrent neural networks (RNNs), classifying hyperspectral images has progressed significantly and gained increasing attention. In spite of being successful, these networks need an adequate supply of labeled training instances for supervised learning, which, however, is quite costly to collect. On the other hand, unlabeled data can be accessed in almost arbitrary amounts. Hence it would be conceptually of great interest to explore networks that are able to exploit labeled and unlabeled data simultaneously for hyperspectral image classification. In this article, we propose a novel graph-based semisupervised network called nonlocal graph convolutional network (nonlocal GCN). Unlike existing CNNs and RNNs that receive pixels or patches of a hyperspectral image as inputs, this network takes the whole image (including both labeled and unlabeled data) in. More specifically, a nonlocal graph is first calculated. Given this graph representation, a couple of graph convolutional layers are used to extract features. Finally, the semisupervised learning of the network is done by using a cross-entropy error over all labeled instances. Note that the nonlocal GCN is end-to-end trainable. We demonstrate in extensive experiments that compared with state-of-the-art spectral classifiers and spectral–spatial classification networks, the nonlocal GCN is able to offer competitive results and high-quality classification maps (with fine boundaries and without noisy scattered points of misclassification). Numéro de notice : A2020-739 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2973363 Date de publication en ligne : 12/05/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2973363 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96365
in IEEE Transactions on geoscience and remote sensing > Vol 58 n° 12 (December 2020) . - pp 8246 - 8257[article]Learning-based hyperspectral imagery compression through generative neural networks / Chubo Deng in Remote sensing, vol 12 n° 21 (November 2020)
[article]
Titre : Learning-based hyperspectral imagery compression through generative neural networks Type de document : Article/Communication Auteurs : Chubo Deng, Auteur ; Yi Cen, Auteur ; Lifu Zhang, Auteur Année de publication : 2020 Article en page(s) : n° 3657 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse en composantes principales
[Termes IGN] apprentissage profond
[Termes IGN] compression d'image
[Termes IGN] compression par ondelettes
[Termes IGN] image hyperspectrale
[Termes IGN] réseau neuronal artificielRésumé : (auteur) Hyperspectral images (HSIs), which obtain abundant spectral information for narrow spectral bands (no wider than 10 nm), have greatly improved our ability to qualitatively and quantitatively sense the Earth. Since HSIs are collected by high-resolution instruments over a very large number of wavelengths, the data generated by such sensors is enormous, and the amount of data continues to grow, HSI compression technique will play more crucial role in this trend. The classical method for HSI compression is through compression and reconstruction methods such as three-dimensional wavelet-based techniques or the principle component analysis (PCA) transform. In this paper, we provide an alternative approach for HSI compression via a generative neural network (GNN), which learns the probability distribution of the real data from a random latent code. This is achieved by defining a family of densities and finding the one minimizing the distance between this family and the real data distribution. Then, the well-trained neural network is a representation of the HSI, and the compression ratio is determined by the complexity of the GNN. Moreover, the latent code can be encrypted by embedding a digit with a random distribution, which makes the code confidential. Experimental examples are presented to demonstrate the potential of the GNN to solve image compression problems in the field of HSI. Compared with other algorithms, it has better performance at high compression ratio, and there is still much room left for improvements along with the fast development of deep-learning techniques. Numéro de notice : A2020-720 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs12213657 Date de publication en ligne : 08/11/2020 En ligne : https://doi.org/10.3390/rs12213657 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96310
in Remote sensing > vol 12 n° 21 (November 2020) . - n° 3657[article]VNIR-SWIR superspectral mineral mapping: An example from Cuprite, Nevada / Kathleen E. Johnson in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 11 (November 2020)
[article]
Titre : VNIR-SWIR superspectral mineral mapping: An example from Cuprite, Nevada Type de document : Article/Communication Auteurs : Kathleen E. Johnson, Auteur ; Krzysztof Koperski, Auteur Année de publication : 2020 Article en page(s) : pp 695 - 700 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] cartographie géologique
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] image AVIRIS
[Termes IGN] image hyperspectrale
[Termes IGN] image proche infrarouge
[Termes IGN] image Worldview
[Termes IGN] minéralogie
[Termes IGN] Nevada (Etats-Unis)
[Termes IGN] réalité de terrain
[Termes IGN] Short Waves InfraRedRésumé : (Auteur) Cuprite, Nevada, is a location well known for numerous studies of its hydrothermal mineralogy. This region has been used to validate geological interpretations of airborne hyperspectral imagery (AVIRIS HSI ), Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER ) imagery, and most recently eight-band WorldView-3 shortwave infrared (SWIR ) imagery. WorldView-3 is a high-spatial-resolution commercial multispectral satellite sensor with eight visible-to-near-infrared (VNIR ) bands (0.42–1.04 μm) and eight SWIR bands (1.2–2.33 μm). We have applied mineral mapping techniques to all 16 bands to perform a geological analysis of the Cuprite, Nevada, location. Ground truth for the training and validation was derived from AVIRIS hyperspectral data and United States Geological Survey mineral spectral data for this location. We present the results of a supervised mineral-mapping classification applying a random-forest classifier. Our results show that with good ground truth, WorldView-3 SWIR + VNIR imagery produces an accurate geological assessment. Numéro de notice : A2020-709 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.86.11.695 Date de publication en ligne : 01/11/2020 En ligne : https://doi.org/10.14358/PERS.86.11.695 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96395
in Photogrammetric Engineering & Remote Sensing, PERS > vol 86 n° 11 (November 2020) . - pp 695 - 700[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2020111 SL Revue Centre de documentation Revues en salle Disponible Drought stress detection in juvenile oilseed rape using hyperspectral imaging with a focus on spectra variability / Wiktor R. Żelazny in Remote sensing, vol 12 n° 20 (October-2 2020)PermalinkComparative analysis of index and chemometric techniques-based assessment of leaf area index (LAI) in wheat through field spectroradiometer, Landsat-8, Sentinel-2 and Hyperion bands / Bappa Das in Geocarto international, vol 35 n° 13 ([01/10/2020])PermalinkA novel spectral–spatial based adaptive minimum spanning forest for hyperspectral image classification / Jing Lv in Geoinformatica, vol 24 n° 4 (October 2020)PermalinkHyperspectral unmixing using orthogonal sparse prior-based autoencoder with hyper-laplacian loss and data-driven outlier detection / Zeyang Dou in IEEE Transactions on geoscience and remote sensing, vol 58 n° 9 (September 2020)PermalinkX-ModalNet: A semi-supervised deep cross-modal network for classification of remote sensing data / Danfeng Hong in ISPRS Journal of photogrammetry and remote sensing, vol 167 (September 2020)PermalinkClassification of hyperspectral and LiDAR data using coupled CNNs / Renlong Hang in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)PermalinkComplete and accurate data correction for seamless mosaicking of airborne hyperspectral images: A case study at a mining site in Inner Mongolia, China / Kun Tan in ISPRS Journal of photogrammetry and remote sensing, vol 165 (July 2020)PermalinkSubpixel-pixel-superpixel-based multiview active learning for hyperspectral images classification / Yu Li in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)PermalinkUsing spectral indices to estimate water content and GPP in sphagnum moss and other peatland vegetation / Kirsten J. Lees in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)PermalinkEnsemble learning for hyperspectral image classification using tangent collaborative representation / Hongjun Su in IEEE Transactions on geoscience and remote sensing, vol 58 n° 6 (June 2020)Permalink