Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > morphologie mathématique
morphologie mathématiqueVoir aussi |
Documents disponibles dans cette catégorie (142)
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
Extraction of building roof planes with stratified random sample consensus / André C. Carrilho in Photogrammetric record, vol 33 n° 163 (September 2018)
[article]
Titre : Extraction of building roof planes with stratified random sample consensus Type de document : Article/Communication Auteurs : André C. Carrilho, Auteur ; Mauricio Galo, Auteur Année de publication : 2018 Article en page(s) : pp 363 - 380 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] détection du bâti
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] morphologie mathématique
[Termes IGN] Ransac (algorithme)
[Termes IGN] semis de points
[Termes IGN] toit
[Termes IGN] varianceRésumé : (Auteur) This paper describes a consensus‐set estimation for building roof‐plane detection using a stratified random sample consensus (sRANSAC) algorithm applied to point clouds acquired by laser scanning systems. The main idea is to use one initial classification to generate consensus‐set candidates to optimise the sampling mechanism compared to the original RANSAC. The initial classification is performed using mathematical morphology to filter ground returns and estimate local variance information to detect potential planar regions. Thus, the algorithm can prioritise points within planar segments and the number of iterations can be estimated dynamically from available data. The results based on experiments using five different lidar datasets indicate that the proposed method reduces the number of computations for building roof‐plane detection and also improves accuracy compared to RANSAC. Numéro de notice : A2018-620 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12254 Date de publication en ligne : 21/09/2018 En ligne : https://doi.org/10.1111/phor.12254 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92864
in Photogrammetric record > vol 33 n° 163 (September 2018) . - pp 363 - 380[article]Important LiDAR metrics for discriminating forest tree species in Central Europe / Yifang Shi in ISPRS Journal of photogrammetry and remote sensing, vol 137 (March 2018)
[article]
Titre : Important LiDAR metrics for discriminating forest tree species in Central Europe Type de document : Article/Communication Auteurs : Yifang Shi, Auteur ; Tiejun Wang, Auteur ; Andrew K. Skidmore, Auteur ; Marco Heurich, Auteur Année de publication : 2018 Article en page(s) : pp 163 - 174 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] Allemagne
[Termes IGN] arbre (flore)
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] Europe centrale
[Termes IGN] forêt tempérée
[Termes IGN] morphologie mathématiqueRésumé : (Auteur) Numerous airborne LiDAR-derived metrics have been proposed for classifying tree species. Yet an in-depth ecological and biological understanding of the significance of these metrics for tree species mapping remains largely unexplored. In this paper, we evaluated the performance of 37 frequently used LiDAR metrics derived under leaf-on and leaf-off conditions, respectively, for discriminating six different tree species in a natural forest in Germany. We firstly assessed the correlation between these metrics. Then we applied a Random Forest algorithm to classify the tree species and evaluated the importance of the LiDAR metrics. Finally, we identified the most important LiDAR metrics and tested their robustness and transferability. Our results indicated that about 60% of LiDAR metrics were highly correlated to each other (|r| > 0.7). There was no statistically significant difference in tree species mapping accuracy between the use of leaf-on and leaf-off LiDAR metrics. However, combining leaf-on and leaf-off LiDAR metrics significantly increased the overall accuracy from 58.2% (leaf-on) and 62.0% (leaf-off) to 66.5% as well as the kappa coefficient from 0.47 (leaf-on) and 0.51 (leaf-off) to 0.58. Radiometric features, especially intensity related metrics, provided more consistent and significant contributions than geometric features for tree species discrimination. Specifically, the mean intensity of first-or-single returns as well as the mean value of echo width were identified as the most robust LiDAR metrics for tree species discrimination. These results indicate that metrics derived from airborne LiDAR data, especially radiometric metrics, can aid in discriminating tree species in a mixed temperate forest, and represent candidate metrics for tree species classification and monitoring in Central Europe. Numéro de notice : A2018-080 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.02.002 Date de publication en ligne : 07/02/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.02.002 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89442
in ISPRS Journal of photogrammetry and remote sensing > vol 137 (March 2018) . - pp 163 - 174[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2018031 RAB Revue Centre de documentation En réserve L003 Disponible 081-2018033 DEP-EXM Revue LASTIG Dépôt en unité Exclu du prêt 081-2018032 DEP-EAF Revue Nancy Dépôt en unité Exclu du prêt Building extraction from fused LiDAR and hyperspectral data using Random Forest Algorithm / Saeid Parsian in Geomatica, vol 71 n° 4 (December 2017)
[article]
Titre : Building extraction from fused LiDAR and hyperspectral data using Random Forest Algorithm Type de document : Article/Communication Auteurs : Saeid Parsian, Auteur ; Meisam Amani, Auteur Année de publication : 2017 Article en page(s) : pp 185 - 193 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] analyse discriminante
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] détection du bâti
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] image hyperspectrale
[Termes IGN] morphologie mathématique
[Termes IGN] toitRésumé : (Auteur) Dans le présent article, nous avons utilisé la fusion des données de la détection et de la télémétrie par ondes lumineuses (LiDAR) avec les données hyperspectrales afin de proposer une méthode pour la détection des édifices. Le nombre de bandes hyperspectrales a d’abord été réduit de 144 couches à 8 couches en utilisant l’algorithme d’analyse discriminante linéaire (ADL) pour enlever les bandes hautement redondantes et réduire les coûts de calcul. Puis, ces couches ont été intégrées à quatre couches de hauteurs et d’intensités obtenues des données LiDAR. Les couches fusionnées (12 couches) ont été appliquées à un algorithme de forêts aléatoires (FA) pour extraire les limites des édifices. Finalement, deux opérateurs morphologiques ont été appliqués pour enlever les ouvertures dans les toits des édifices et réparer leurs limites. Une comparaison a également été effectuée entre les résultats obtenus au moyen de la méthode proposée et l’étude de référence dans ce domaine [Debes et al. 2014]. La précision de la méthode proposée s’est avérée meilleure pour la détection des édifices en beaucoup moins de temps comparativement à la méthode de référence. Les valeurs de 97 % et de 96 % ont été obtenues pour la précision du producteur et de l’utilisateur respectivement. Dans l’ensemble, la méthode décrite dans le présent article s’est avérée avoir un potentiel élevé pour l’extraction des édifices. Numéro de notice : A2017-848 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.5623/cig2017-401 Date de publication en ligne : 27/02/2018 En ligne : https://doi.org/10.5623/cig2017-401 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89446
in Geomatica > vol 71 n° 4 (December 2017) . - pp 185 - 193[article]Morphologically decoupled structured sparsity for rotation-invariant hyperspectral image analysis / Saurabh Prasad in IEEE Transactions on geoscience and remote sensing, vol 55 n° 8 (August 2017)
[article]
Titre : Morphologically decoupled structured sparsity for rotation-invariant hyperspectral image analysis Type de document : Article/Communication Auteurs : Saurabh Prasad, Auteur ; Demetrio Labate, Auteur ; Mishan Cui, Auteur ; Yuhang Zhang, Auteur Année de publication : 2017 Article en page(s) : pp 4355 - 4366 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classificateur paramétrique
[Termes IGN] classification spectrale
[Termes IGN] décomposition d'image
[Termes IGN] image hyperspectrale
[Termes IGN] morphologie mathématique
[Termes IGN] primitive géométrique
[Termes IGN] réflectance spectraleRésumé : (Auteur) Hyperspectral imagery has emerged as a popular sensing modality for a variety of applications, and sparsity-based methods were shown to be very effective to deal with challenges coming from high dimensionality in most hyperspectral classification problems. In this paper, we challenge the conventional approach to hyperspectral classification that typically builds sparsity-based classifiers directly on spectral reflectance features or features derived directly from the data. We assert that hyperspectral image (HSI) processing can benefit very significantly by decoupling data into geometrically distinct components since the resulting decoupled components are much more suitable for sparse representation-based classifiers. Specifically, we apply morphological separation to decouple data into texture and cartoon-like components, which are sparsely represented using local discrete cosine bases and multiscale shearlets, respectively. In addition to providing a structured sparse representation, this approach allows us to build classifiers with invariance properties specific to each geometrically distinct component of the data. The experimental results using real-world HSI data sets demonstrate the efficacy of the proposed framework for classifying multichannel imagery under a variety of adverse conditions - in particular, small training sample size, additive noise, and rotational variabilities between training and test samples. Numéro de notice : A2017-496 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2017.2691607 En ligne : http://dx.doi.org./10.1109/TGRS.2017.2691607 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86437
in IEEE Transactions on geoscience and remote sensing > vol 55 n° 8 (August 2017) . - pp 4355 - 4366[article]A simplified linear feature matching method using decision tree analysis, weighted linear directional mean, and topological relationships / Ick-Hoi Kim in International journal of geographical information science IJGIS, vol 31 n° 5-6 (May-June 2017)
[article]
Titre : A simplified linear feature matching method using decision tree analysis, weighted linear directional mean, and topological relationships Type de document : Article/Communication Auteurs : Ick-Hoi Kim, Auteur ; Chen-Chieh Feng, Auteur ; Yi-Chen Wang, Auteur Année de publication : 2017 Article en page(s) : pp 1042 - 1060 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] appariement de données localisées
[Termes IGN] axe médian
[Termes IGN] base de données historiques
[Termes IGN] classification par arbre de décision
[Termes IGN] conflation
[Termes IGN] distance de Hausdorff
[Termes IGN] données anciennes
[Termes IGN] objet géographique linéaire
[Termes IGN] relation topologique
[Termes IGN] réseau routier
[Termes IGN] similitude
[Termes IGN] valeur moyenneRésumé : (auteur) Linear feature matching is one of the crucial components for data conflation that sees its usefulness in updating existing data through the integration of newer data and in evaluating data accuracy. This article presents a simplified linear feature matching method to conflate historical and current road data. To measure the similarity, the shorter line median Hausdorff distance (SMHD), the absolute value of cosine similarity (aCS) of the weighted linear directional mean values, and topological relationships are adopted. The decision tree analysis is employed to derive thresholds for the SMHD and the aCS. To demonstrate the usefulness of the simple linear feature matching method, four models with incremental configurations are designed and tested: (1) Model 1: one-to-one matching based on the SMHD; (2) Model 2: matching with only the SMHD threshold; (3) Model 3: matching with the SMHD and the aCS thresholds; and (4) Model 4: matching with the SMHD, the aCS, and topological relationships. These experiments suggest that Model 2, which considers only distance, does not provide stable results, while Models 3 and 4, which consider direction and topological relationships, produce stable results with levels of accuracy around 90% and 95%, respectively. The results suggest that the proposed method is simple yet robust for linear feature matching. Numéro de notice : A2017-241 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2016.1267736 En ligne : http://dx.doi.org/10.1080/13658816.2016.1267736 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85177
in International journal of geographical information science IJGIS > vol 31 n° 5-6 (May-June 2017) . - pp 1042 - 1060[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 079-2017031 RAB Revue Centre de documentation En réserve L003 Disponible Télédétection pour l'observation des surfaces continentales, ch. 7. Modèles numériques de terrain à partir de données lidar aéroportées / Clément Mallet (2017)PermalinkObject-based morphological profiles for classification of remote sensing imagery / Christian Geiss in IEEE Transactions on geoscience and remote sensing, vol 54 n° 10 (October 2016)PermalinkContext-dependent detection of non-linearly distributed points for vegetation classification in airborne LiDAR / Denis Horvat in ISPRS Journal of photogrammetry and remote sensing, vol 116 (June 2016)PermalinkVector attribute profiles for hyperspectral image classification / Erchan Aptoula in IEEE Transactions on geoscience and remote sensing, vol 54 n° 6 (June 2016)PermalinkMultiple morphological component analysis based decomposition for remote sensing image classification / Xiang Xu in IEEE Transactions on geoscience and remote sensing, vol 54 n° 5 (May 2016)PermalinkPermalinkRemote Sensing Observations of Continental Surfaces, ch. 7. Digital Terrain Models derived from airborne lidar data / Clément Mallet (2016)PermalinkPermalinkMorphing linear features based on their entire structures / Min Deng in Transactions in GIS, vol 19 n° 5 (October 2015)PermalinkNormalization of TanDEM-X DSM data in urban environments with morphological filters / Christian Geiss in IEEE Transactions on geoscience and remote sensing, vol 53 n° 8 (August 2015)Permalink