Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification dirigée
classification dirigéeSynonyme(s)classification superviséeVoir aussi |
Documents disponibles dans cette catégorie (463)
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
Dictionary learning-based feature-level domain adaptation for cross-scene hyperspectral image classification / Minchao Ye in IEEE Transactions on geoscience and remote sensing, vol 55 n° 3 (March 2017)
[article]
Titre : Dictionary learning-based feature-level domain adaptation for cross-scene hyperspectral image classification Type de document : Article/Communication Auteurs : Minchao Ye, Auteur ; Yuntao Qian, Auteur ; Jun Zhou, Auteur ; Yuan Yan Tang, Auteur Année de publication : 2017 Article en page(s) : pp 1544 - 1562 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage dirigé
[Termes IGN] classification dirigée
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image hyperspectrale
[Termes IGN] occupation du sol
[Termes IGN] régression logistiqueRésumé : (Auteur) A big challenge of hyperspectral image (HSI) classification is the small size of labeled pixels for training classifier. In real remote sensing applications, we always face the situation that an HSI scene is not labeled at all, or is with very limited number of labeled pixels, but we have sufficient labeled pixels in another HSI scene with the similar land cover classes. In this paper, we try to classify an HSI scene containing no labeled sample or only a few labeled samples with the help of a similar HSI scene having a relative large size of labeled samples. The former scene is defined as the target scene, while the latter one is the source scene. We name this classification problem as cross-scene classification. The main challenge of cross-scene classification is spectral shift, i.e., even for the same class in different scenes, their spectral distributions maybe have significant deviation. As all or most training samples are drawn from the source scene, while the prediction is performed in the target scene, the difference in spectral distribution would greatly deteriorate the classification performance. To solve this problem, we propose a dictionary learning-based feature-level domain adaptation technique, which aligns the spectral distributions between source and target scenes by projecting their spectral features into a shared low-dimensional embedding space by multitask dictionary learning. The basis atoms in the learned dictionary represent the common spectral components, which span a cross-scene feature space to minimize the effect of spectral shift. After the HSIs of two scenes are transformed into the shared space, any traditional HSI classification approach can be used. In this paper, sparse logistic regression (SRL) is selected as the classifier. Especially, if there are a few labeled pixels in the target domain, multitask SRL is used to further promote the classification performance. The experimental results on synthetic and real HSIs show the advantages of the proposed method for cross-scene classification. Numéro de notice : A2017-157 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2016.2627042 En ligne : http://dx.doi.org/10.1109/TGRS.2016.2627042 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84694
in IEEE Transactions on geoscience and remote sensing > vol 55 n° 3 (March 2017) . - pp 1544 - 1562[article]Analyse de séries temporelles d’images Sentinel et intégration de connaissances pour la classification en milieu agricole / Simon Bailly (2017)
Titre : Analyse de séries temporelles d’images Sentinel et intégration de connaissances pour la classification en milieu agricole Type de document : Mémoire Auteurs : Simon Bailly , Auteur ; Sébastien Giordano , Encadrant ; Loïc Landrieu , Encadrant ; Nesrine Chehata , Encadrant ; Olivier Michel, Encadrant Editeur : Grenoble : Institut National Polytechnique de Grenoble INPG Année de publication : 2017 Importance : 59 p. Note générale : bibliographie
Projet de Fin d’Etudes, Grenoble INP - PhelmaLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] Alpes-de-haute-provence (04)
[Termes IGN] champ aléatoire conditionnel
[Termes IGN] classification dirigée
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] occupation du sol
[Termes IGN] parcelle agricole
[Termes IGN] Registre parcellaire graphique
[Termes IGN] Seine-et-Marne (77)Résumé : (auteur) Le sujet de stage propose l’utilisation d’images fournies par les satellites Sentinel pour l’étude de l’occupation du sol en milieu agricole. Dans le cadre de la refonte de la politique agricole commune (PAC) de l’Union Européenne en 2020, chaque état membre de l’UE doit proposer une réflexion sur de nouveaux modes de gestion. Une piste de travail envisagée concerne la déclaration des types de culture au sein du Registre Parcellaire Graphique (RPG), un système d’information géographique qui regroupe l’ensemble des informations relatives aux parcelles agricoles. A l’heure actuelle, cette déclaration est faite manuellement par les agriculteurs ; l’objectif est de l’automatiser le plus possible grâce aux images Sentinel. Nous proposons pour cela un processus fondé sur la classification supervisée de séries temporelles d’images Sentinel multi-capteurs (radar et optique), en utilisant le RPG pour l’apprentissage et pour la validation. Nous réalisons une étude sur deux zones distinctes qui présentent des règles agronomiques différentes (Alpes de Haute-Provence et Seine et Marne), avec la nomenclature la plus complète possible (28 types de culture), dans l’optique d’une implantation France Entière. Dans le but d’améliorer la robustesse du modèle, nous choisissons d’intégrer l’information relative aux rotations de culture (suite de cultures échelonnées au fil des années sur une même parcelle). Il s’agit donc d’un problème de classification structurée que nous modélisons comme un champ aléatoire conditionnel (CRF). Nous obtenons des résultats intéressants dans l’optique de l’automatisation du processus de déclaration : 96,9% de bonne classification sur la zone située en Seine et Marne (11 classes) et 64,9% sur la zone située dans les Alpes de Haute-Provence (17 classes). Ces résultats sont d’autre part sensiblement améliorés avec l’intégration de la structure temporelle relative aux rotations de culture. Note de contenu : Introduction
1- Données et sites d'étude
2- Etat de l'art
3- Classification à la parcelle
4- Classification structurée
ConclusionNuméro de notice : 17323 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire ingénieur Organisme de stage : MATIS (IGN) DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98347 Documents numériques
peut être téléchargé
Analyse de séries temporelles d’images Sentinel ... - pdf auteurAdobe Acrobat PDF
Titre : Apport des données Sentinel-1 pour la cartographie des milieux humides Type de document : Thèse/HDR Auteurs : Cécile Cazals , Auteur ; Pierre-Louis Frison , Directeur de thèse ; Jean-Paul Rudant , Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Marne-la-Vallée UPEM Année de publication : 2017 Importance : 174 p. Format : 21 x 30 cm Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse diachronique
[Termes IGN] carte de la végétation
[Termes IGN] classification dirigée
[Termes IGN] eau de surface
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] polarimétrie radar
[Termes IGN] prairie
[Termes IGN] série temporelle
[Termes IGN] zone humideIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les milieux humides sont menacés par le changement climatique et l'anthropisation des milieux naturels. La télédétection est un moyen efficace de suivre des variables environnementales sur de grands espaces. Cependant, lorsqu’il s’agit de l’étude de la dynamique hydrologique, une résolution temporelle importante est indispensable. Or celle-ci est difficilement accessible par l'imagerie optique satellitaire du fait de l’important couvert nuageux qui masque le sol. Les capteurs radars, travaillant dans le domaine des micro-ondes, sont tout particulièrement adaptés à la caractérisation des dynamiques hydrologiques grâce à la sensibilité de leurs mesures en présence d’eau et ce quelque soit la végétation en place. Il en découle que toutes les acquisitions Radar à Synthèse d’Ouverture (RSO) sont exploitables, acquises de jour comme de nuit, quel que soit le couvert nuageux.Récemment la télédétection radar satellitaire a vécu une véritable révolution grâce au lancement du satellite Sentinel-1A en 2014 suivi de son jumeaux Sentinel-1B deux ans plus tard par l'Agence Spatiale Européenne dans le cadre du programme Copernicus. Ces capteurs acquièrent des données en bande C (λ = 5,6 cm) sur toute l'Europe chaque 12 jours par satellite et leur diffusion est libre et gratuite pour tous. Le présent travail de thèse vise à évaluer le potentiel de ces données à haute résolution temporelle pour le suivi des surfaces d'eau et des milieux humides.Dans une première partie consacrée à la cartographie des surfaces d'eau, nous avons identifié une confusion la réponse radar en bande C des surfaces d'eau et celle de certains sols nus. Nous avons alors montré que la période hivernale est celle qui présente le moins d’ambiguïté et que la polarisation VH est la plus adaptée à la cartographie des surfaces en eau. Quatre méthodes de détection des zones en eau ont été comparées, il résulte que l’utilisation de méthodes non-supervisées sans données a priori n'est pas envisageable et que les méthodes prenant en compte le voisinage spatial donnent de meilleurs résultats. Un filtrage temporel a été mis au point et a permis d'améliorer la détection et de s'affranchir des confusions entre sols nus et surfaces d'eau permanentes. Les surfaces d'eau de plus de 0,5 ha ont plus de 80 % de chances d'être détectées.Un second volet de cette thèse est consacré au suivi d'une zone humide prairiale par télédétection radar. L'utilisation d'images pleinement polarimétriques a montré que la configuration de polarimétrie partielle VV/VH disponible sur le capteur de Sentinel-1 permet de caractériser l'inondation prairiale avec ou sans végétation. Une méthode prenant en compte l'information de voisinage temporel a permis de traiter une série de 14 images Sentinel-1 pour obtenir 14 cartes d'inondation pour l’année 2015. Une estimation de la précision à l'échelle intra-parcellaire a été mise au point, il apparaît que si la précision est relativement bonne (80 %), le rappel est assez bas (40 %). Cette méthode permet d'établir des bilans d'évolution intra- et inter-annuels.Cette thèse a montré le potentiel de l'utilisation d'images radar à haute résolution temporelle tant pour la cartographie des surfaces en eau que pour le suivi d'une zone humide prairiale. Numéro de notice : 17571 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse : Géographie : UPE : 2017 Organisme de stage : MATIS (IGN) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-01757083 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91960 Cartographie de l'occupation des sols à partir de séries temporelles d'images satellitaires à hautes résolutions : identification et traitement des données mal étiquetées / Charlotte Pelletier (2017)
Titre : Cartographie de l'occupation des sols à partir de séries temporelles d'images satellitaires à hautes résolutions : identification et traitement des données mal étiquetées Type de document : Thèse/HDR Auteurs : Charlotte Pelletier, Auteur ; Gérard Dedieu, Directeur de thèse ; Silvia Valero, Directeur de thèse ; Nicolas Champion , Encadrant Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2017 Importance : 289 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université Paul Sabatier de ToulouseLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] échantillonnage
[Termes IGN] erreur de classification
[Termes IGN] étiquette de classe
[Termes IGN] filtrage du bruit
[Termes IGN] image à haute résolution
[Termes IGN] image satellite
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT
[Termes IGN] série temporelle
[Termes IGN] télédétection spatialeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L'étude des surfaces continentales est devenue ces dernières années un enjeu majeur à l'échelle mondiale pour la gestion et le suivi des territoires, notamment en matière de consommation des terres agricoles et d'étalement urbain. Dans ce contexte, les cartes d'occupation du sol caractérisant la couverture biophysique des terres émergées jouent un rôle essentiel pour la cartographie des surfaces continentales. La production de ces cartes sur de grandes étendues s'appuie sur des données satellitaires qui permettent de photographier les surfaces continentales fréquemment et à faible coût. Le lancement de nouvelles constellations satellitaires - Landsat-8 et Sentinel-2 - permet depuis quelques années l'acquisition de séries temporelles à hautes résolutions. Ces dernières sont utilisées dans des processus de classification supervisée afin de produire les cartes d'occupation du sol. L'arrivée de ces nouvelles données ouvre de nouvelles perspectives, mais questionne sur le choix des algorithmes de classification et des données à fournir en entrée du système de classification. Outre les données satellitaires, les algorithmes de classification supervisée utilisent des échantillons d'apprentissage pour définir leur règle de décision. Dans notre cas, ces échantillons sont étiquetés, \ie{} la classe associée à une occupation des sols est connue. Ainsi, la qualité de la carte d'occupation des sols est directement liée à la qualité des étiquettes des échantillons d'apprentissage. Or, la classification sur de grandes étendues nécessite un grand nombre d'échantillons, qui caractérise la diversité des paysages. Cependant, la collecte de données de référence est une tâche longue et fastidieuse. Ainsi, les échantillons d'apprentissage sont bien souvent extraits d'anciennes bases de données pour obtenir un nombre conséquent d'échantillons sur l'ensemble de la surface à cartographier. Cependant, l'utilisation de ces anciennes données pour classer des images satellitaires plus récentes conduit à la présence de nombreuses données mal étiquetées parmi les échantillons d'apprentissage. Malheureusement, l'utilisation de ces échantillons mal étiquetés dans le processus de classification peut engendrer des erreurs de classification, et donc une détérioration de la qualité de la carte produite. L'objectif général de la thèse vise à améliorer la classification des nouvelles séries temporelles d'images satellitaires à hautes résolutions. Le premier objectif consiste à déterminer la stabilité et la robustesse des méthodes de classification sur de grandes étendues. Plus particulièrement, les travaux portent sur l'analyse d'algorithmes de classification et la sensibilité de ces algorithmes vis-à-vis de leurs paramètres et des données en entrée du système de classification. De plus, la robustesse de ces algorithmes à la présence des données imparfaites est étudiée. Le second objectif s'intéresse aux erreurs présentes dans les données d'apprentissage, connues sous le nom de données mal étiquetées. Dans un premier temps, des méthodes de détection de données mal étiquetées sont proposées et étudiées. Dans un second temps, un cadre méthodologique est proposé afin de prendre en compte les données mal étiquetées dans le processus de classification. L'objectif est de réduire l'influence des données mal étiquetées sur les performances de l'algorithme de classification, et donc d'améliorer la carte d'occupation des sols produite. Note de contenu : 1- Introduction
2- Méthodes et données
3- Stabilité et robustesse des algorithmes de classification
4- Détection des données mal étiquetées
5- ConclusionNuméro de notice : 25734 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surfaces et interfaces continentales, Hydrologie : Toulouse 3 : 2017 Organisme de stage : Centre d’Études Spatiales de la Biosphère (CESBIO) nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2017TOU30241 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94923 Fusion of multi-temporal Sentinel-2 image series and very-high spatial resolution images for detection of urban areas / Cyril Wendl (2017)
Titre : Fusion of multi-temporal Sentinel-2 image series and very-high spatial resolution images for detection of urban areas Type de document : Mémoire Auteurs : Cyril Wendl, Auteur ; Arnaud Le Bris , Encadrant Editeur : Lausanne : Ecole Polytechnique Fédérale de Lausanne EPFL Année de publication : 2017 Importance : 67 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de stage, Ecole Polytechnique Fédérale de Lausanne EPFLLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification dirigée
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] détection du bâti
[Termes IGN] estimation bayesienne
[Termes IGN] image à très haute résolution
[Termes IGN] image multibande
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation
[Termes IGN] théorie de Dempster-ShaferIndex. décimale : MASTX Mémoires de masters divers Résumé : (auteur) Fusion of very high spatial resolution multispectral images with lower spatial resolution image time series having a higher number of bands can improve land use classification, combining geometric and semantic advantages of both sources. This study presents a workflow to extract the extent of urbanized ground using decision-level fusion and regularization of individual classifications on Sentinel-2 and SPOT-6 satellite images. First, both images are classified individually in five classes, using state-of-the-art supervised classification approaches and Convolutional Neural Networks. Decision-level fusion and regularization are used to combine the spatial and spectral advantages of both sources: First, both sources are merged in order to extract building labels with as high semantic and spatial precision as possible. Second, the building labels are used together with the Sentinel-2 classification as input for a binary classification of the artificialized area; the building labels from the regularization are dilated in order to connect the building objects and a binary classification is derived from the original Sentinel-2 classification before these two separate binary classifications are reintroduced in a fusion and regularization to find the artificialized area. Segmentation of the Sentinel-2 satellite image and majority voting of the object-level classification are also used to refine the contours of the artificialized area. Note de contenu : Introduction
1 - Methodology
2 - Artificialized area
3 - Results
ConclusionNuméro de notice : 21702 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Rapport de stage Organisme de stage : MATIS (IGN) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90951 Documents numériques
peut être téléchargé
Fusion of Multi-Temporal ... pdf auteur -Adobe Acrobat PDF peut être téléchargé
Fusion of Multi-Temporal... - pdf auteur -Adobe Acrobat PDF New iterative learning strategy to improve classification systems by using outlier detection techniques / Charlotte Pelletier (2017)PermalinkPré-segmentation pour la classification faiblement supervisée de scènes urbaines à partir de nuages de points 3D LIDAR / Stéphane Guinard (2017)PermalinkSegmentation sémantique de données de télédétection multimodale : application aux peuplements forestiers / Clément Dechesne (2017)PermalinkSegmentation sémantique de peuplements forestiers par analyse conjointe d’imagerie multispectrale très haute résolution et de données 3D Lidar aéroportées / Clément Dechesne (2017)PermalinkUtilisation d’image THR et drone pour l’étude de la dynamique côtière d’Ouvéa (Île des Loyautés - Nouvelle Calédonie) / Sabrina Bosque (2017)PermalinkWeakly supervised segmentation-aided classification of urban scenes from 3D LIDAR point clouds / Stéphane Guinard (2017)PermalinkDeveloping a web-based system for supervised classification of remote sensing images / Ziheng Sun in Geoinformatica, vol 20 n° 4 (October - December 2016)PermalinkApport des images THRS pour la catégorisation des agro-systèmes complexes à Mayotte / Rafaël Molina in Géomatique expert, n° 111 (juillet- août 2016)PermalinkClassifying buildings from point clouds and images / Evangelos Maltezos in GIM international [en ligne], vol 30 n° 7 (July 2016)PermalinkObject-based image mapping of conifer tree mortality in San Diego county based on multitemporal aerial ortho-imagery / Mary Pyott Freeman in Photogrammetric Engineering & Remote Sensing, PERS, vol 82 n° 7 (juillet 2016)Permalink