Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification par réseau neuronal
classification par réseau neuronalVoir aussi |
Documents disponibles dans cette catégorie (582)
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
Integration von Form- und Spektralmerkmalen durch künstliche neuronale Netze bei der Satellitenbildklassifizierung / Karl Segl (1996)
Titre : Integration von Form- und Spektralmerkmalen durch künstliche neuronale Netze bei der Satellitenbildklassifizierung Titre original : [Intégration des caractéristiques spectrales et de forme au travers des réseaux neuronaux artificiels dans la classification d'images satellitaires] Type de document : Thèse/HDR Auteurs : Karl Segl, Auteur Editeur : Munich : Bayerische Akademie der Wissenschaften Année de publication : 1996 Collection : DGK - C Sous-collection : Dissertationen num. 468 Importance : 78 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-3-7696-9508-3 Note générale : Bibliographie Langues : Allemand (ger) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] classification par la distance de Mahalanobis
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] classification par réseau neuronal
[Termes IGN] image Spacelab-MOMSIndex. décimale : 35.20 Traitement d'image Numéro de notice : 28026 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse étrangère Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=63373 Réservation
Réserver ce documentExemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 28026-01 35.20 Livre Centre de documentation Télédétection Disponible 28026-02 35.20 Livre Centre de documentation Télédétection Disponible Caractérisation neuronale des propriétés texturales des images radar à synthèse d'ouverture ERS1 et JERS1 / Philippe Mainguenaud in Bulletin [Société Française de Photogrammétrie et Télédétection], n° 140 (Octobre 1995)
[article]
Titre : Caractérisation neuronale des propriétés texturales des images radar à synthèse d'ouverture ERS1 et JERS1 Type de document : Article/Communication Auteurs : Philippe Mainguenaud, Auteur ; Robert Jeansoulin, Auteur ; Jean-Paul Rudant , Auteur Année de publication : 1995 Article en page(s) : pp 26 - 35 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] classification par réseau neuronal
[Termes IGN] image ERS-SAR
[Termes IGN] image JERS
[Termes IGN] texture d'imageRésumé : (Auteur) Le travail de classification d'images RSO est rendu difficile par la nature même du signal reçu puisque la représentation d'un pixel-sol est obtenue comme la somme des échos électromagnétiques d'un grand nombre de constituants élémentaires. Il en résulte pour l'image une granularité (speckle) qui rend délicate voire impossible l'utilisation des algorithmes classiques du traitement d'images. Ces images nécessitent un codage préalable de l'information afin de tenter une reconnaissance texturale des zones. Nous utilisons les méthodes neuronales pour construire des règles de classement à partir de zones exemples. Notre réflexion s'est donc portée sur le type de codage le plus approprié pour rendre compte au mieux des différences de nature physique entre les différents états de surface que nous analysons. Nous avons cherché la meilleure configuration de ces données et de l'architecture neuronale pour améliorer les caractéristiques de l'image apprises par le réseau. Certaines méthodes de filtrage peuvent modifier la distribution spatiale des pixels. Appliquer ces types de filtres sur l'image brute permet de créer "artificiellement" un grand nombre d'information de texture pour caractériser ses modifications sous l'effet des filtres utilisés. Nous développons l'approche "hiérarchique" de l'apprentissage afin de faciliter le travail de discrimination du réseau. Enfin, nous cherchons à généraliser ces travaux à l'image entière afin de tester l'efficacité de ces techniques de classification sur des images radar. Numéro de notice : A1995-023 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89491
in Bulletin [Société Française de Photogrammétrie et Télédétection] > n° 140 (Octobre 1995) . - pp 26 - 35[article]Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 018-95041 RAB Revue Centre de documentation En réserve L003 Disponible Caractérisation des textures d'images radar par réseaux de neurones / Philippe Mainguenaud (1995)
Titre : Caractérisation des textures d'images radar par réseaux de neurones Type de document : Thèse/HDR Auteurs : Philippe Mainguenaud, Auteur ; Jean Devars, Directeur de thèse ; Robert Jeansoulin, Directeur de thèse Editeur : Paris : Université de Paris 6 Pierre et Marie Curie Année de publication : 1995 Importance : 208 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée à l'Université Pierre et Marie Curie spécialité InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse texturale
[Termes IGN] apprentissage automatique
[Termes IGN] base de règles
[Termes IGN] caractérisation
[Termes IGN] classification barycentrique
[Termes IGN] classification par réseau neuronal
[Termes IGN] filtrage du bruit
[Termes IGN] filtre de déchatoiement
[Termes IGN] fréquence
[Termes IGN] Guyane (département français)
[Termes IGN] image radar
[Termes IGN] texture d'imageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Ce travail a pour but de caractériser les propriétés texturales présentes dans les images radar SAR afin de réaliser une classification efficace des différentes zones. Les images traitées concernent des zones de Guyane dans le cadre du projet pilote PPF12 de l'environnement fluvial et côtier en Guyane française. Ce type d'image interdit toute hypothèse sur les distributions statistiques des niveaux de gris de chacune des classes. Notre travail a consisté à sélectionner les méthodes neuronales afin de construire des règles d'apprentissage des propriétés texturales des niveaux de gris. Nous avons tout d'abord étudié l'étalement spatial de la texture. Pour cette taille de fenêtre d'analyse, nous avons évalué le codage qui fournissait les meilleurs taux d'apprentissage au sens neuronal. Notre choix s'est porté sur le classique spectre de Fourier. Apres avoir vérifié l'amélioration apportée par le couplage des données multi-temporelles, nous cherchons le moyen d'atteindre des résultats similaires à partir d'une seule image source. Pour ce faire, nous filtrons l'image brute pour extraire certaines propriétés texturales au détriment de certaines autres. Le couplage des informations des images brutes et filtrées permet d'approcher les résultats obtenus par des données multi-temporelles lorsque celle-ci existe. Nous introduisons l’approche hiérarchique dans les méthodes neuronales pour accélérer et améliorer la qualité de l'apprentissage. Cette décomposition permet d'obtenir de très nettes améliorations qui se concrétisent par une classification automatique et assez détaillée des différentes images testées. Nous avons comparé notre approche avec la méthode des (k) plus proches voisins. Cette comparaison fait apparaitre une plus grande homogénéité dans la classification pour les méthodes neuronales. Malgré les résultats satisfaisants que nous avons obtenus, nous avons étudié plus en détail l'influence des différentes fréquences sélectionnées sur la rapidité et la qualité de l'apprentissage. Note de contenu : 1. Introduction
2. Méthodes de reconnaissance en imagerie
2.1. Codage et classification
2.2. Les réseaux connexionnistes
3. Codage de l'information
3.1. Moments, contours, Textures
3.2. Codage de l'information texturale
3.3. Modifications des textures
3.4. Architecture neuronale du couplage des informations
3.5. Classification neuronale des textures de Brodatz
4. Introduction à l'imagerie radar
4.1. Principe et fonctionnement du radar
4.2. Formation des images radar
4.3. Propriétés diélectriques des cibles
4.4. Caractéristiques des images radar de Guyane
4.5. Présentation des zones de test de texture
5. Apprentissage des textures radar
5.1.Dimensions spatiales de la texture
5.2. Codage de l'information texturale
5.3. Apprentissage "multi-source"
5.4. Apprentissage hiérarchique
5.5. Influence de la taille du vecteur de texture
6. Généralisation des apprentissages
6.1. Technique de généralisation
6.2. Comparaison des différentes méthodes de classification
7. Conclusion
8. Annexe concernant la signification physique de la textureNuméro de notice : 19350 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de doctorat : Informatique : Paris 6 : 1995 nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81971 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 19350-01 THESE Livre Centre de documentation Thèses Disponible Image and signal processing for remote sensing 2 / Jacky Desachy (1995)
Titre : Image and signal processing for remote sensing 2 : Proceedings, Paris (France), 25 - 27 September 1995 Type de document : Actes de congrès Auteurs : Jacky Desachy, Éditeur scientifique Editeur : Washington : Society of Photo-Optical Instrumentation Engineers SPIE Année de publication : 1995 Collection : EUROPTO series, ISSN 0277-786X num. 2579 Conférence : EurOpto 1995, Image and signal processing for remote sensing 2 25/09/1995 27/09/1995 Paris France Importance : 436 p. Format : 21 x 30 cm ISBN/ISSN/EAN : 978-0-8194-1943-9 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] accentuation d'image
[Termes IGN] classification par réseau neuronal
[Termes IGN] fusion d'images
[Termes IGN] reconnaissance de formes
[Termes IGN] segmentation d'image
[Termes IGN] traitement d'image
[Termes IGN] traitement du signalNuméro de notice : 44061 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Actes Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=35230 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 44061-01 CG.97 Livre Centre de documentation Congrès Disponible Apport de la fusion d'images satellitaires multicapteurs au niveau pixel en télédétection et photo-interprétation / M. Mangolini (1994)
Titre : Apport de la fusion d'images satellitaires multicapteurs au niveau pixel en télédétection et photo-interprétation Type de document : Thèse/HDR Auteurs : M. Mangolini, Auteur ; Lucien Wald, Directeur de thèse Editeur : Nice : Université de Nice - Sophia Antipolis Année de publication : 1994 Importance : 173 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le titre de docteur en sciences, spécialité sciences de l'ingénieurLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] algorithme de fusion
[Termes IGN] analyse en composantes principales
[Termes IGN] analyse multirésolution
[Termes IGN] Bouches-du-Rhône (13)
[Termes IGN] classification barycentrique
[Termes IGN] classification par réseau neuronal
[Termes IGN] composition colorée
[Termes IGN] données hétérogènes
[Termes IGN] écho radar
[Termes IGN] fusion d'images
[Termes IGN] image ERS-SAR
[Termes IGN] image Landsat
[Termes IGN] image optique
[Termes IGN] image radar
[Termes IGN] image SPOT
[Termes IGN] pixel
[Termes IGN] similitude
[Termes IGN] transformation en ondelettes
[Termes IGN] transformation intensité-teinte-saturationIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Le nombre croissant d'images de la Terre en provenance de capteurs satellitaires pose aux utilisateurs un problème d'exploitation, auquel la fusion de données semble pouvoir apporter des solutions. Ce travail illustre l'apport de la fusion de données en télédétection et en photo-interprétation, sur des données issues des capteurs SPOT, ERS-1, et Landsat, qui sont parmi les plus utilisés dans le domaine. Les spécificités et complémentarités de ces capteurs, de type optique (visible ou infrarouge) ou radar, ont été prises en compte pour réaliser une fusion dite hétérogène. Face à la grande diversité des méthodes de fusion de données, nous avons choisi de nous restreindre à la fusion au niveau pixel, c'est-à-dire proche du signal physique bidimensionnel, par opposition au niveau sémantique. Trois développements méthodologiques majeurs ont été réalisés. L'exploitation thématique des images satellitaires multispectrales se heurte souvent à une limitation de leur résolution spatiale. Afin d'y remédier, nous proposons une méthode, nommée ARSIS, qui utilise une image de meilleure résolution spatiale pour améliorer celle des images multispectrales, sans en modifier l'information spectrale. Les outils mathématiques mis en oeuvre sont l'analyse multirésolution, la transformée en ondelettes, et la modélisation des similitudes spectrales entre les images à fusionner. Des critères d'estimation de la qualité image des produits synthétisés ont été développes, pour pouvoir comparer la méthode ARSIS aux méthodes préexistantes, sur plusieurs scènes SPOT et Landsat. L'intérêt de la méthode ARSIS tient à sa richesse conceptuelle et à un réel gain en qualité spectrale par rapport aux autres méthodes. Nous avons également étudié quelques méthodes de représentation visuelle du volume de données, qui sont destinées à faciliter le travail de photo-interprétation et à améliorer la qualité de l'information extraite, mais aussi à concentrer l'important volume de données en un minimum d'images. Les méthodes de changement d'espace de représentation des données et l'utilisation de la couleur ont été expérimentées. Les critiques des photo-interprètes sur les produits réalisés ont mis en évidence la nécessité de prendre en compte les spécificités des capteurs pour la fusion de données hétérogènes. Nous avons donc développé une méthode de fusion hétérogène optique-radar, qui consiste à extraire les objets ponctuels à fort écho radar pour les représenter dans un contexte optique. Le troisième développement a porté sur la comparaison de différentes architectures de fusion, dont le rôle est de définir l'enchaînement des algorithmes qui constituent une méthode de fusion. L'application retenue est la classification automatique, très utilisée en télédétection, qui permet de comparer numériquement les performances des architectures grâce à futilisation d'une vérité terrain. Des architectures centralisée, décentralisée, et une architecture "mixte" sont présentées. Leurs avantages et inconvénients en termes de contraintes opérationnelles, de souplesse d'utilisation, et de qualité de la classification sont discutés. Ces derniers sont ' illustrés par la comparaison des résultats de classification des différentes architectures, pour deux classificateurs et deux sites différents. Enfin, ce travail met clairement en évidence l'apport de la fusion en classification par rapport aux traitements monocapteurs. Numéro de notice : 45100 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : Sciences de l'ingénieur : Nice Sophia Antipolis : 1994 Organisme de stage : Aerospatiale nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=45547 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 45100-01 THESE Livre Centre de documentation Thèses Disponible Une architecture d'aide à la construction de croquis d'interprétation géographique / Mauro Gaio (1994)PermalinkImage and signal processing for remote sensing, 26-30 september 1994, Rome, Italy / Jacky Desachy (1994)PermalinkImage processing / G. Vernazza (1993)PermalinkContribution à la représentation des connaissances et à leur utilisation pour l'interprétation automatique des images satellite / E. Zahzah (1992)PermalinkArtificial neural network classification using a minimal training set : comparison to conventional supervised classification / G.F. Hepner in Photogrammetric Engineering & Remote Sensing, PERS, vol 56 n° 4 (april 1990)PermalinkNeural networks / Association des entretiens de Lyon (1990)PermalinkClassification of merged AVHRR and SMMR arctic data with neural networks / J. Key in Photogrammetric Engineering & Remote Sensing, PERS, vol 55 n° 9 (september 1989)Permalink