Descripteur
Documents disponibles dans cette catégorie (857)
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
Improving urban land cover mapping with the fusion of optical and SAR data based on feature selection strategy / Qing Ding in Photogrammetric Engineering & Remote Sensing, PERS, vol 88 n° 1 (January 2022)
[article]
Titre : Improving urban land cover mapping with the fusion of optical and SAR data based on feature selection strategy Type de document : Article/Communication Auteurs : Qing Ding, Auteur ; Zhenfeng Shao, Auteur ; Xiao Huang, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 17 - 28 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] analyse comparative
[Termes IGN] carte d'occupation du sol
[Termes IGN] cartographie urbaine
[Termes IGN] Chine
[Termes IGN] fusion de données multisource
[Termes IGN] image optique
[Termes IGN] image radar
[Termes IGN] précision de la classificationRésumé : (Auteur) Taking the Futian District as the research area, this study proposed an effective urban land cover mapping framework fusing optical and SAR data. To simplify the model complexity and improve the mapping results, various feature selection methods were compared and evaluated. The results showed that feature selection can eliminate irrelevant features, increase the mean correlation between features slightly, and improve the classification accuracy and computational efficiency significantly. The recursive feature elimination-support vector machine (RFE-SVM) model obtained the best results, with an overall accuracy of 89.17% and a kappa coefficient of 0.8695, respectively. In addition, this study proved that the fusion of optical and SAR data can effectively improve mapping and reduce the confusion between different land covers. The novelty of this study is with the insight into the merits of multi-source data fusion and feature selection in the land cover mapping process over complex urban environments, and to evaluate the performance differences between different feature selection methods. Numéro de notice : A2022-061 Affiliation des auteurs : non IGN Thématique : URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.21-00030R2 Date de publication en ligne : 01/01/2022 En ligne : https://doi.org/10.14358/PERS.21-00030R2 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99703
in Photogrammetric Engineering & Remote Sensing, PERS > vol 88 n° 1 (January 2022) . - pp 17 - 28[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 105-2022011 SL Revue Centre de documentation Revues en salle Disponible
Titre : Modélisation temporelle du fouillis forestier radar Type de document : Thèse/HDR Auteurs : Xavier Husson, Auteur ; Fabrice Boust, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 157 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse soutenue pour obtenir le grade de Docteur à l'Université Paris-Saclay, spécialité PhysiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] acquisition d'images
[Termes IGN] fouillis d'échos
[Termes IGN] image radar moirée
[Termes IGN] implémentation (informatique)
[Termes IGN] modèle de simulation
[Termes IGN] modélisation de la forêt
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] vent
[Termes IGN] visibilité spatio-temporelleIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La végétation est un élément important pour le radar car elle est omniprésente et met en échec de nombreux algorithmes. Cela provient avant tout du mouvement de la végétation, sous l’effet du vent, qui induit un décalage Doppler. Dans cette thèse, nous avons développé un modèle de fouillis de végétation pour l’imagerie SAR. Pour ce modèle de fouillis, nous avons décidé de travailler sur la base de 3 hypothèses. Premièrement, nous avons choisi une modélisation géotypique au travers d’une approche procédurale de création d’arbres et de leur représentation par des maillages surfaciques. Deuxièmement, nous avons opté pour une modélisation électromagnétique asymptotique compatible des fréquences supérieures à 10 GHz, typiques des systèmes d’acquisition haute résolution. Troisièmement, nous avons retenu une modélisation animée constituée d’un maillage surfacique déformable à même de rendre compte du décalage Doppler. Pour cela, nous avons adapté un simulateur ONERA permettant la génération de données radars brutes. La première amélioration réside dans le choix d’une approche asymptotique en 2 étapes (optique géométrique et physique), détermination de la visibilité des facettes du maillage et évaluation du champ rétrodiffusé correspondant. La deuxième amélioration réside dans le développement d’une méthode d’interpolation afin de limiter le nombre de calculs de visibilité, point crucial pour l’imagerie SAR haute résolution. La formation d’images SAR pour différentes intensité de vents nous a permis d’observer la défocalisation due aux mouvements des arbres au cours d’une acquisition. Une analyse de la DSP, par comparaison avec le modèle de Billingsley, confirme la capacité de notre modèle à restituer le décalage Doppler. Note de contenu : 1. Introduction
1.1 Imagerie SAR
1.2 Simulation d’acquisitions SAR
1.3 Bibliographie sur les modèles d’arbres
2. Incorporation d’un modèle de végétation à un processus de simulation existant
2.1 Travaux antérieurs : simulateur EDGE
2.2 Adaptation de la chaîne de modélisation
2.3 Mise en avant de différentes échelles de temps
3. Mise en place de la chaîne de modélisation
3.1 Préparation de données d’entrée
3.2 Description du script maître
4. Evaluation du champ rétrodiffusé
4.1 Calcul de SER de polygones
4.2 Validation de l’implémentation de l’optique physique
4.3 Développement d’une approche prenant en compte la visibilité
4.4 Développement d’une approche prenant en compte la visibilité partielle
5. Génération de données simulées
5.1 Impact des paramètres de modélisation
5.2 Impact des paramètres de la végétation
6. Conclusion
6.1 Contributions
6.2 PerspectivesNuméro de notice : 26823 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Physique : Paris-Saclay : 2022 Organisme de stage : ONERA nature-HAL : Thèse DOI : sans Date de publication en ligne : 25/03/2022 En ligne : https://tel.hal.science/tel-03620307 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100640 Studying informativeness of satellite image texture for sea ice state retrieval using deep learning methods / Clément Fougerouse (2022)
Titre : Studying informativeness of satellite image texture for sea ice state retrieval using deep learning methods Type de document : Mémoire Auteurs : Clément Fougerouse, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 47 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] glace de mer
[Termes IGN] image Aqua-AMSR
[Termes IGN] image C-SAR
[Termes IGN] image radar moirée
[Termes IGN] inférence
[Termes IGN] optimisation (mathématiques)
[Termes IGN] réseau neuronal convolutif
[Termes IGN] restauration d'imageIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) De nos jours, la détermination des glaces de mers se fait manuellement et est réalisée par des experts, les cartes obtenues ne sont donc pas bien précises et peuvent comporter des erreurs. L’objectif de l’étude est de pouvoir automatiser la classification des différents types de glaces de mer à partir d’images satellitaires SAR et AMSR2, en utilisant des réseaux de neurones convolutifs et d’améliorer la précision des réseaux déjà existants. Pour cela, nous partons des réseaux existants et nous rajoutons de nouvelles données d’apprentissages et nous modifions la structure du réseau de neurones convolutif. Puis nous étudions la texture des images pour pouvoir prendre en compte les formes des glaces et ainsi de créer plusieurs classes pour les glaces de mers. Que ce soit avec l’ajout de nouvelles données ou la modification de la structure du réseau, la précision des prédictions du réseau de neurones a grandement été amélioré. Nous passons d’une précision de 74% en moyenne sur les quatre classes utilisées à une moyenne de 95% après toutes les améliorations réalisées. Notons également, que la détection de la présence ou non de glace est très précise 98%. Quant à l’ajout des nouvelles classes et à la prise en compte de la texture des images satellitaires, nous obtenons des résultats très intéressants : le classificateur permet de distinguer certaines combinaisons, mais a du mal pour d’autres, notamment pour les glaces qui ont des petites formes. Ainsi, cette étude a permis d’améliorer considérablement la précision des réseaux existants pour classer la glace dans les quatre types habituels bien qu'ils restent moins performants pour classer en prenant en compte la forme des glaces. L’étude du caractère informatif a permis de connaitre les combinaisons détectées par la texture des images SAR. Note de contenu : 1. Introduction
2. Data used for training the CNN
2.1 NetCDF files
2.2 SAR data
2.3 AMSR2 data
2.4 Ice Chart
3. Processing
3.1 Overview
3.2 Statistical analysis
3.3 Preprocessing
3.3 Training
3.4 Inference
3.4 Baseline binary CNN
3.5 Baseline continuous CNN
3.6 Adding the larger area SAR data
3.7 Adding the AMSR2 data
3.8 Optimization
3.9 Experiments with informativeness
4. Results
4.1 Statistics
4.2 Baseline Binary
4.3 Hugo continuous
4.4 Extended SAR sub-image
4.5 AMSR2
4.6 Optimization
4.7 Informativeness tests
5. Conclusion and discussionNuméro de notice : 26868 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Nansen Environmental and Remote Sensing Center NERSC Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101688 Documents numériques
en open access
Studying informativeness of satellite image texture for sea ice state retrieval using deep learning methods - pdf auteurAdobe Acrobat PDF Use of multi-temporal and multi-sensor data for continental water body extraction in the context of the SWOT mission / Nicolas Gasnier (2022)
Titre : Use of multi-temporal and multi-sensor data for continental water body extraction in the context of the SWOT mission Type de document : Thèse/HDR Auteurs : Nicolas Gasnier, Auteur ; Florence Tupin, Directeur de thèse ; Loïc Denis, Directeur de thèse Editeur : Paris : Institut Polytechnique de Paris Année de publication : 2022 Importance : 213 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de doctorat présentée à l’Institut Polytechnique de Paris, spécialité ImagesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] base de données localisées
[Termes IGN] détection d'objet
[Termes IGN] détection de changement
[Termes IGN] données hydrographiques
[Termes IGN] hauteurs de mer
[Termes IGN] image multitemporelle
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] image SWOT
[Termes IGN] lac
[Termes IGN] rivière
[Termes IGN] série temporelle
[Termes IGN] télédétection en hyperfréquenceIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Spaceborne remote sensing provides hydrologists and decision-makers with data that are essential for understanding the water cycle and managing the associated resources and risks. The SWOT satellite, which is a collaboration between the French (CNES) and American (NASA, JPL) space agencies, is scheduled for launch in 2022 and will measure the height of lakes, rivers, and oceans with high spatial resolution. It will complement existing sensors, such as the SAR and optical constellations Sentinel-1 and 2, and in situ measurements. SWOT represents a technological breakthrough as it is the first satellite to carry a near-nadir swath altimeter. The estimation of water levels is done by interferometry on the SAR images acquired by SWOT. Detecting water in these images is therefore an essential step in processing SWOT data, but it can be very difficult, especially with low signal-to-noise ratios, or in the presence of unusual radiometries. In this thesis, we seek to develop new methods to make water detection more robust. To this end, we focus on the use of exogenous data to guide detection, the combination of multi-temporal and multi-sensor data and denoising approaches. The first proposed method exploits information from the river database used by SWOT (derived from GRWL) to detect narrow rivers in the image in a way that is robust to both noise in the image, potential errors in the database, and temporal changes. This method relies on a new linear structure detector, a least-cost path algorithm, and a new Conditional Random Field segmentation method that combines data attachment and regularization terms adapted to the problem. We also proposed a method derived from GrabCut that uses an a priori polygon containing a lake to detect it on a SAR image or a time series of SAR images. Within this framework, we also studied the use of a multi-temporal and multi-sensor combination between Sentinel-1 SAR and Sentinel-2 optical images. Finally, as part of a preliminary study on denoising methods applied to water detection, we studied the statistical properties of the geometric temporal mean and proposed an adaptation of the variational method MuLoG to denoise it. Note de contenu : 1. Introduction
1.1 Context
1.2 Contributions
1.3 Organization of the manuscript
I BACKGROUND ON SAR REMOTE SENSING AND WATER SURFACE MONITORING WITH SAR IMAGES
2. SAR images
2.1 Physics and statistics of SAR images
2.2 The SWOT mission
2.3 Sentinel-1
3. SAR water detection and hydrological prior
3.1 Water detection in SAR images
3.2 SWOT processing and products
3.3 Prior water masks and databases
4. Methodological background
4.1 Markov random fields
4.2 Variational methods for image denoising
PROPOSED APPROACHES
5. Guided extraction of narrow rivers on SAR images using an exogenous river database
5.1 Introduction
5.2 Proposed river segmentation pipeline
5.3 Experimental results
5.4 Conclusion
6. Adaptation of the GrabCut method to SAR images: lake detection from a priori polygon
6.1 Single-date GrabCut method for lake detection from a priori polygon
6.2 Multitemporal and multi-sensor adaptations of the method
6.3 2D+T GrabCut of SAR images with temporal regularization for lake detection within an a priori mask
6.4 Joint 2D+T segmentation of SAR and optical images
7. Denoising of the temporal geometric mean
7.1 Introduction
7.2 Statistics of the temporal geometric mean of SAR intensities
7.3 Denoising method
7.4 Experiments
7.5 Application to change detection
7.6 Application to ratio-based denoising of single SAR images within a time series
7.7 Conclusion
8 Conclusion and perspectivesNuméro de notice : 26762 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Images : Palaiseau : 2022 Organisme de stage : Télécom Paris nature-HAL : Thèse DOI : sans Date de publication en ligne : 17/02/2022 En ligne : https://tel.hal.science/tel-03578831/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99823
Titre : Variations de volume des lacs pour l'analyse climatique : Améliorer la connaissance de la quantité d’eau des lacs et leur variation à partir de données satellitaires Type de document : Mémoire Auteurs : Iris Lucas, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 67 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème année, Spécialité PPMDLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] bassin hydrographique
[Termes IGN] Canada
[Termes IGN] carte hypsométrique
[Termes IGN] Champagne (province, comté)
[Termes IGN] données altimétriques
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image Landsat-8
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-MSI
[Termes IGN] lac
[Termes IGN] méthode robuste
[Termes IGN] modèle de Gauss-Helmert
[Termes IGN] Ransac (algorithme)
[Termes IGN] régression
[Termes IGN] variation temporelle
[Termes IGN] volume d'eauIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) La ressource en eau douce est limitée, son étude fait partie des axes majeurs des études environnementales. C’est au sein de la cellule hydrologie continentale de CLS, pour le compte d’Apside que je me suis penchée sur cette question, appliquant les savoirs acquis en géomatique durant mes années à l’ENSG. L’objectif de ce stage est d’améliorer la connaissance de la quantité d’eau des lacs et leur variation à partir de données satellitaires. Ce savoir pourra être appliqué dans divers projets sur l’étude des lacs à CLS. Etudier les variations de volume nécessite l’utilisation de surfaces d’eau que l’on peut extraire par imagerie satellitaire (Sentinel-2, Landsat-8) et hauteurs d’eau provenant de satellites altimétriques (accessibles sur la plateforme Hydroweb). Pour ce faire, j’ai développé un algorithme d’extraction de surfaces d’eau par télédétection optique, puis développé une méthode d’estimation robuste pour dégager une courbe hypsométrique. Grâce à cette courbe, j’ai pu déterminer des variations de volumes pour divers bassins. Ce rapport détaille le processus développé, la méthodologie suivie et les éventuelles pistes d’amélioration possibles. Note de contenu :
1- Introduction
2- Extraire les données de surfaces d’eau
3- Extraire le profil des lacs : la courbe hypsométrique
4- Dernière étape de la chaine : génération des variations de volume
5- ConclusionNuméro de notice : 24053 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Apside Toulouse Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101951 Documents numériques
en open access
Variations de volume... - pdf auteur -Adobe Acrobat PDF Bagging and boosting ensemble classifiers for classification of multispectral, hyperspectral and PolSAR data: A comparative evaluation / Hamid Jafarzadeh in Remote sensing, vol 13 n° 21 (November-1 2021)PermalinkMulti-objective CNN-based algorithm for SAR despeckling / Sergio Vitale in IEEE Transactions on geoscience and remote sensing, vol 59 n° 11 (November 2021)PermalinkA parameterization of the cloud scattering polarization signal derived from GPM observations for microwave fast radative transfer models / Victoria Sol Galligani in IEEE Transactions on geoscience and remote sensing, vol 59 n° 11 (November 2021)PermalinkPersistent scatterer interferometry for Pettimudi (India) landslide monitoring using Sentinel-1A images / Hari Shankar in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 11 (November 2021)PermalinkA repeatable change detection approach to map extreme storm-related damages caused by intense surface runoff based on optical and SAR remote sensing: Evidence from three case studies in the South of France / Arnaud Cerbelaud in ISPRS Journal of photogrammetry and remote sensing, Vol 182 (December 2021)PermalinkA feature based change detection approach using multi-scale orientation for multi-temporal SAR images / R. Vijaya Geetha in European journal of remote sensing, vol 54 sup 2 (2021)PermalinkInvestigation of the landslides in Beylikdüzü-Esenyurt districts of Istanbul from InSAR and GNSS observations / Caglar Bayik in Natural Hazards, vol 109 n° 1 (October 2021)PermalinkOrbit error removal in InSAR/MTInSAR with a patch-based polynomial model / Yanan Du in International journal of applied Earth observation and geoinformation, vol 102 (October 2021)PermalinkPhase unmixing of TerraSAR-X staring spotlight interferograms in building scale for PS height and deformation / Peng Liu in ISPRS Journal of photogrammetry and remote sensing, vol 180 (October 2021)PermalinkConiferous and broad-leaved forest distinguishing using L-band polarimetric SAR data / Fang Shang in IEEE Transactions on geoscience and remote sensing, Vol 59 n° 9 (September 2021)Permalink