Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification par séparateurs à vaste marge
classification par séparateurs à vaste margeSynonyme(s)classification SVMVoir aussi |
Documents disponibles dans cette catégorie (207)
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
Comparaison et évaluation de méthodes d'extraction automatique d'objets sur des images optique et radar / Charlotte Benedetto (2013)
Titre : Comparaison et évaluation de méthodes d'extraction automatique d'objets sur des images optique et radar : étude de cas sur la ville de Lomé (Togo) Type de document : Mémoire Auteurs : Charlotte Benedetto, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2013 Importance : 108 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de stage de fin d'études, Cycle Ingénieur 3ème année, [M2IG]Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] classification automatique d'objets
[Termes IGN] classification non dirigée
[Termes IGN] classification orientée objet
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] extraction automatique
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image optique
[Termes IGN] image Pléiades
[Termes IGN] image radar moirée
[Termes IGN] image Radarsat
[Termes IGN] Lomé (Togo)
[Termes IGN] polarimétrie radar
[Termes IGN] restauration d'image
[Termes IGN] trait de côteIndex. décimale : DSIG Mémoires du master 2 IG, du master 2 SIG, de l'ex DEA SIG Résumé : (Auteur) Ce rapport résume les travaux effectués dans le cadre d'un stage sur des images optiques Pléiades et des images radar polarimétriques Radarsat-2. Il traite de méthodes d'extraction automatique. On s'intéresse à l'extraction du trait de côte à partir de ces deux types d'images, et à la caractérisation d'une zone de végétation. Les résultats issus de classifications automatiques sur ces images y sont présentés. Ce rapport comporte aussi des parties théoriques concernant le radar polarimétrique nécessaires aux prétraitements effectués sur les images radar. Les travaux effectués sur le trait de côte ont permis de conclure que les image optiques sont très adaptées et permettent d'obtenir un résultat précis. Au contraire, les images radar ne permettent pas de déterminer le trait de côte de manière automatique. Les tests de classification effectués ont montré la complémentarité des images optiques et radar et ont permis de déterminer les types d'objets que l'on peut détecter avec chacune de ces images. Note de contenu : Introduction
1 - Présentation du sujet
1.1. - Objectifs
1.2. - Données disponibles
1.2.1 - Images optiques
1.2.2 - Images Radar
1.2.3 - Logiciels utilisés
2 - Prétraitements des images radar
2.1 - La polarimétrie
2.1.2 - Le speckle
2.2 - Géoréférencement des données radar
2.2.1 - Méthodologie
2.2.2 - Résultats
2.3 Conclusions sur le prétraitement des images radar
3 - Extraction du trait de côte
3.1 - Méthodologie
3.2 - Résultats obtenus à partir des images Pléiades
3.2.1. - Classification Terre-Mer
3.2.2 - Traitement des données vecteur
3.3 - Résultats obtenus à partir des images Radarsat-2
4 - Extraction par Classification
4.1 - Méthodologie
4.1.1 - Choix d'une zone d'intérêt
4.1.2 - Algorithmes de classification testés
4.1.3 - Méthode de validation des résultats
4.2 - Application aux données du Togo
4.2.1 - Classification à partir des images optique Pléiades
4.2.1 - Classification à partir des images radar Radarsat-2
4.2.2 - Conclusions sur les résultats obtenus avec l'image radar
ConclusionNuméro de notice : 11992 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Laboratoire Esycom (UPE MLV) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=49818 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 11992-01 DSIG Livre Centre de documentation En réserve Mezzanine Disponible Documents numériques
peut être téléchargé
11992_mem_dsig_extraction_automatique_d'objets_benedetto.pdfAdobe Acrobat PDF Evaluation de l'apport de la télédétection radar pour la cartographie des végétations dans le Parc du Pilat / Cécile Cazals (2013)
Titre : Evaluation de l'apport de la télédétection radar pour la cartographie des végétations dans le Parc du Pilat Type de document : Mémoire Auteurs : Cécile Cazals , Auteur Editeur : Champs/Marne : Université Paris-Est Marne-la-Vallée UPEM Année de publication : 2013 Importance : 52 p. Format : 21 x 30 cm Note générale : Bibliographie
Mémoire de master 2ième année Electronique, Télécommunication, Géomatique, spécialité Information géographiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] bande C
[Termes IGN] bande L
[Termes IGN] carte de la végétation
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] habitat animal
[Termes IGN] image ALOS-PALSAR
[Termes IGN] image Envisat-ASAR
[Termes IGN] image radar moirée
[Termes IGN] image Radarsat
[Termes IGN] parc naturel régional
[Termes IGN] polarimétrie radar
[Termes IGN] Saint-Etienne
[Termes IGN] série temporelleIndex. décimale : DSIG Mémoires du master 2 IG, du master 2 SIG, de l'ex DEA SIG Résumé : (Auteur) Dans le cadre de l'amélioration de la connaissance et de la conservation de la biodiversité, le Ministère de l'Écologie, du Développement Durable et de l'Énergie (MEDDE) lance un ambitieux programme de cartographie au 1: 25 000 de tous les habitats naturels et semi-naturels de France: le programme CarHab. L'Institut national de l'information géographique et forestière (IGN), en charge de la production du fond blanc cartographique, s'intéresse au potentiel des données radar pour la cartographie de l'une de ses zones tests : le Parc Naturel Régional du Pilat. C'est dans ce contexte que s'inscrit ce stage de master réalisé au sein de l'équipe Télédétection et Information Géographique (TIG) du laboratoire d'Electronique, SYstem de COmunication et Microsystème (ESYCOM) de l'Université Paris-Est Marne-La-Vallée qui est spécialisé dans le développement de méthodes adaptées aux données radar pour des applications thématiques. Dans une première partie, nous verrons quels sont les contraintes et enjeux du programme CarHab, puis nous détaillerons quelques points de théorie et de techniques du radar. Nous nous intéresserons ensuite à la zone d'étude et aux données à notre disposition. Nous verrons enfin les résultats obtenus afin de conclure sur l'apport de la télédétection radar dans le Parc Naturel Régional du Pilat. Note de contenu : 1 Introduction et présentation du programme CarHab
1.1 Phytosociologie sigmatiste, dynamique et paysagère
1.2 Le fond blanc cartographique
2 Eléments de théorie
2.1 Principe d'acquisition et corrections
2.1.1 Acquisition
2.1.2 Le Speckle
2.2 Polarimétrie radar
2.2.1 Matrice de diffusion
2.2.2 Vecteur Cible
2.2.3 Matrice de covariance et de cohérence
2.3 Indices Polarimétriques
2.3.1 Degré de cohérence complexe
2.3.2 Décomposition de Cloude-Pottier (H, A, a)
2.3.3 Décomposition de Freeman
2.3.4 Entropie de Shannon
2.4 Classifications
2.4.1 Classification H, A, alpha
2.4.2 SVM
2.4.3 Matrice de confusion
3 Zone d'étude et données
3.1 Zone d'étude : Le Parc Naturel Régional du Pilât
3.1.1 Prairies
3.1.2 Champs
3.1.3 Forêts
3.1.4 Landes
3.1.5 Zones Humides
3.2 Données
3.2.1 Données de référence
3.2.2 Modèle Numérique de Terrain
3.2.3 Images Optiques : BD Ortho Infra-rouge Couleur
3.2.4 Images Radars
4 Traitements
4.1 Extraction de la matrice de cohérence
4.2 Géoréférencement
4.3 Filtrage
4.4 Masquage des données
5 Résultats
5.1 Etude de la polarimétrie radar en bande C
5.1.1 Span et Composition de Pauli
5.1.2 Indices polarimétriques
5.1.3 Classifications
5.2 Etude de la complémentarité des bandes C et L
5.2.1 Analyse des bandes
5.3 Etude de la Résolution Radar en bande C
5.3.1 Comparaison entre des résolutions de 30, 9 et 3 m
5.3.2 Plus petite surface délimitable en fonction de la résolution
5.3.3 Pansharpening
5.4 Etude d'une série de données temporelle
5.4.1 Composition temporelle
5.4.2 Analyse en composante principale
5.4.3 Analyse de changements
5.4.4 Classification SVM
5.4.5 Influence de la pluie sur une image radar
6 ConclusionNuméro de notice : 18970 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Mémoire masters divers Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=51034 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 18970-01 DSIG Livre Centre de documentation En réserve Mezzanine Disponible
Titre : Fusion de données lidar et multispectrales : Etude des techniques de segmentation et de classification de données LiDAR, d’images multispectrales et de leur fusion, Proposition d’une nouvelle technique de traitement de la fusion des données et analyse des résultats Type de document : Mémoire Auteurs : Ophélie Sinagra, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2013 Importance : 113 p. Format : 21 x 30 cm Note générale : Bibliographie
Mémoire de soutenance de Diplôme d'Ingénieur INSA, Spécialité TopographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] classification dirigée
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] fusion de données
[Termes IGN] image multibande
[Termes IGN] image Quickbird
[Termes IGN] indice de végétation
[Termes IGN] matrice de confusion
[Termes IGN] occupation du sol
[Termes IGN] semis de points
[Termes IGN] StrasbourgIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (Auteur) Cette étude a pour but de fusionner des données LiDAR et multispectrales afin de procéder à une classification en trois catégories en utilisant un algorithme supervisé. Un nuage de points LiDAR et une image satellite QuickBird comprenant les bandes Rouge, Vert, Bleue et Proche-Infrarouge acquis au-dessus de la ville de Strasbourg, France, ont été traités afin d’effectuer la fusion et d’estimer la précision de la méthode de classification proposée. Tout d’abord, l’image multispectrale a permis de calculer trois images représentant l’indice de végétation normalisé (NDVI), l’indice de végétation ajusté pour le sol (SAVI) et l’indice de contrôle environnemental global (GEMI). Puis, le nuage de points a lui permis de calculer la hauteur des éléments situés au-dessus du sol et l’information tridimensionnelle a été convertie en raster. Ces quatre rasters ont étés assemblés afin d’obtenir des rasters de deux, trois ou quatre couches afin d’effectuer différents tests. L’algorithme Support Vector Machine (SVM), permettant une classification supervisée, a été utilisé afin de classer ces rasters en trois classes : végétation, bâtiments et voirie. La matrice de confusions de la classification indique que la précision est améliorée lorsque les données LiDAR sont intégrées au calcul. Note de contenu : Introduction
1- Etat de l'art
2- Changement dans le sujet
3- Traitement de la fusion des données
4- Résultats finaux
5- Analyse
6- Discussion
ConclusionNuméro de notice : 11802 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire ingénieur INSAS Organisme de stage : University of New South Wales Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=49749 Documents numériques
peut être téléchargé
11802_mem_insas_2013__sinagra.pdfAdobe Acrobat PDF Predicting surface fuel models and fuel metrics using Lidar and CIR imagery in a dense, mountainous forest / Marek Jakubowksi in Photogrammetric Engineering & Remote Sensing, PERS, vol 79 n° 1 (January 2013)
[article]
Titre : Predicting surface fuel models and fuel metrics using Lidar and CIR imagery in a dense, mountainous forest Type de document : Article/Communication Auteurs : Marek Jakubowksi, Auteur ; Quinhua Guo, Auteur ; Brandon Collins, Auteur ; Scott Stephens, Auteur ; Maggi Kelly, Auteur Année de publication : 2013 Article en page(s) : pp 37 - 49 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] biomasse (combustible)
[Termes IGN] Californie (Etats-Unis)
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] forêt
[Termes IGN] image multibande
[Termes IGN] image optique
[Termes IGN] interpolation inversement proportionnelle à la distance
[Termes IGN] lutte contre l'incendie
[Termes IGN] montagne
[Termes IGN] PinophytaRésumé : (Auteur) We compared the ability of several classification and regression algorithms to predict forest stand structure metrics and standard surface fuel models. Our study area spans a dense, topographically complex Sierra Nevada mixed-conifer forest. We used clustering, regression trees, and support vector machine algorithms to analyze high density (average 9 pulses/m2), discrete return, small-footprint lidar data, along with multispectral imagery. Stand structure metric predictions generally decreased with increased canopy penetration. For example, from the top of canopy, we predicted canopy height (r2 ! 0.87), canopy cover (r2 ! 0.83), basal area (r2 ! 0.82), shrub cover (r2 ! 0.62), shrub height (r2 ! 0.59), combined fuel loads (r2 ! 0.48), and fuel bed depth (r2 ! 0.35). While the general fuel types were predicted accurately, specific surface fuel model predictions were poor (76 percent and "50 percent correct classification, respectively) using all algorithms. These fuel components are critical inputs for wildfire behavior modeling, which ultimately support forest management decisions. This comprehensive examination of the relative utility of lidar and optical imagery will be useful for forest science and management. Numéro de notice : A2013-004 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.14358/PERS.79.1.37 En ligne : http://kellylab.berkeley.edu/storage/papers/2013-Jakubowski-etal-PERS.pdf Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32142
in Photogrammetric Engineering & Remote Sensing, PERS > vol 79 n° 1 (January 2013) . - pp 37 - 49[article]Tree species discrimination in tropical forests using airborne imaging spectroscopy / Jean-Baptiste Féret in IEEE Transactions on geoscience and remote sensing, vol 51 n° 1 Tome 1 (January 2013)
[article]
Titre : Tree species discrimination in tropical forests using airborne imaging spectroscopy Type de document : Article/Communication Auteurs : Jean-Baptiste Féret, Auteur ; Gregory P. Asner, Auteur Année de publication : 2013 Article en page(s) : pp 73 - 84 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse discriminante
[Termes IGN] arbre (flore)
[Termes IGN] classification dirigée
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] distance de Bhattacharyya
[Termes IGN] espèce végétale
[Termes IGN] forêt tropicale
[Termes IGN] Hawaii (Etats-Unis)
[Termes IGN] image aérienne
[Termes IGN] image hyperspectrale
[Termes IGN] segmentation
[Termes IGN] spectroscopieRésumé : (Auteur) We identify canopy species in a Hawaiian tropical forest using supervised classification applied to airborne hyperspectral imagery acquired with the Carnegie Airborne Observatory-Alpha system. Nonparametric methods (linear and radial basis function support vector machine, artificial neural network, and k-nearest neighbor) and parametric methods (linear, quadratic, and regularized discriminant analysis) are compared for a range of species richness values and training sample sizes. We find a clear advantage in using regularized discriminant analysis, linear discriminant analysis, and support vector machines. No unique optimal classifier was found for all conditions tested, but we highlight the possibility of improving support vector machine classification with a better optimization of its free parameters. We also confirm that a combination of spectral and spatial information increases accuracy of species classification: we combine segmentation and species classification from regularized discriminant analysis to produce a map of the 17 discriminated species. Finally, we compare different methods to assess spectral separability and find a better ability of Bhattacharyya distance to assess separability within and among species. The results indicate that species mapping is tractable in tropical forests when using high-fidelity imaging spectroscopy. Numéro de notice : A2013-010 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2012.2199323 Date de publication en ligne : 16/07/2012 En ligne : https://doi.org/10.1109/TGRS.2012.2199323 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32148
in IEEE Transactions on geoscience and remote sensing > vol 51 n° 1 Tome 1 (January 2013) . - pp 73 - 84[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-2013011A RAB Revue Centre de documentation En réserve L003 Disponible Mapping nighttime flood from MODIS observations using support vector machines / R. Zhang in Photogrammetric Engineering & Remote Sensing, PERS, vol 78 n° 11 (November 2012)PermalinkA complete processing chain for shadow detection and reconstruction in VHR images / L. Lorenzi in IEEE Transactions on geoscience and remote sensing, vol 50 n° 9 (October 2012)PermalinkApplying six classifiers to airborne hyperspectral imagery for detecting giant reed / C. Yang in Geocarto international, vol 27 n° 5 (August 2012)PermalinkEvaluating classification techniques for mapping vertical geology using field-based hyperspectral sensors / R.J. Murphy in IEEE Transactions on geoscience and remote sensing, vol 50 n° 8 (August 2012)PermalinkHyperspectral band clustering and band selection for urban land cover classification / H. Su in Geocarto international, vol 27 n° 5 (August 2012)PermalinkMemory-based cluster sampling for remote sensing image classification / Michele Volpi in IEEE Transactions on geoscience and remote sensing, vol 50 n° 8 (August 2012)PermalinkComparison of support vector machine, neural network, and CART algorithms for the land-cover classification using limited training data points / Y. Shao in ISPRS Journal of photogrammetry and remote sensing, vol 70 (June 2012)PermalinkAutomatic classification of building types in 3D city models: Using SVMs for semantic enrichment of low resolution building data / A. Henn in Geoinformatica, vol 16 n° 2 (April 2012)PermalinkDétection et identification de zones de végétation arborée: utilisation conjointe d'images satellite RapidEye et de données BDOrtho / François Tassin (2012)PermalinkTraitements numériques des images de télédétection, Vol. 3. Traitements appliqués à la photo-interprétation / Olivier de Joinville (2012)Permalink