Descripteur
Termes IGN > mathématiques > transformation en ondelettes
transformation en ondelettesSynonyme(s)décomposition en ondelettesVoir aussi |
Documents disponibles dans cette catégorie (129)
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
A robust texture analysis and classification approach for urban land-use and land-cover feature discrimination / S.W. Myint in Geocarto international, vol 16 n° 4 (December 2001 - February 2002)
[article]
Titre : A robust texture analysis and classification approach for urban land-use and land-cover feature discrimination Type de document : Article/Communication Auteurs : S.W. Myint, Auteur Année de publication : 2001 Article en page(s) : pp 27 - 38 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image numérique
[Termes IGN] analyse discriminante
[Termes IGN] analyse texturale
[Termes IGN] base de données d'occupation du sol
[Termes IGN] image multibande
[Termes IGN] méthode robuste
[Termes IGN] occupation du sol
[Termes IGN] photo-interprétation
[Termes IGN] reconnaissance d'objets
[Termes IGN] transformation en ondelettes
[Termes IGN] utilisation du solRésumé : (Auteur) Attempts to analyze urban features and to classify land use and land cover directly from high-resolution satellite data with traditional computer classification techniques have proven to be inefficient for two primary reasons. First, urban landscapes are composed of complex features. Second, traditional classifiers employ spectral information based on single pixel value and ignore a great amount of spatial information. Texture plays an important role in image segmentation and object recognition, as well as in interpretation of images in a variety of applications. This study analyzes urban texture features in multi-spectral image data. Recent developments in the very powerful mathematical theory of wavelet transforms have received overwhelming attention by image analysts. An evaluation of the ability of wavelet transform in urban feature extraction and classification was performed in this study, with six types of urban land cover features classified. The preliminary results of this research indicate that the accuracy of texture analysis in classifying urban features in fine resolution image data could be significantly improved with the use of wavelet transform approach. Numéro de notice : A2002-039 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106040108542212 En ligne : https://doi.org/10.1080/10106040108542212 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21956
in Geocarto international > vol 16 n° 4 (December 2001 - February 2002) . - pp 27 - 38[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 059-01041 RAB Revue Centre de documentation En réserve L003 Disponible Précis de télédétection, 3. Volume 3 Traitements numériques d'images de télédétection / R. Caloz (2001)
Titre de série : Précis de télédétection, 3 Titre : Volume 3 Traitements numériques d'images de télédétection Type de document : Guide/Manuel Auteurs : R. Caloz, Auteur ; Claude Collet, Auteur Editeur : Québec : Université des Réseaux d'Expression Française UREF/AUPELF Année de publication : 2001 Importance : 386 p. Format : 17 x 26 cm + glossaire ISBN/ISSN/EAN : 978-2-7605-1145-3 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] analyse de données
[Termes IGN] classification
[Termes IGN] correction d'image
[Termes IGN] correction géométrique
[Termes IGN] correction radiométrique
[Termes IGN] filtrage numérique d'image
[Termes IGN] fusion d'images
[Termes IGN] image numérique
[Termes IGN] niveau de gris (image)
[Termes IGN] rehaussement d'image
[Termes IGN] restauration d'image
[Termes IGN] transformation de Fourier
[Termes IGN] transformation en ondelettes
[Termes IGN] uniformisation d'histogrammeIndex. décimale : 35.20 Traitement d'image Note de contenu : :
Chapitre 1 Introduction
1.1. Généralités
1.1.1. Le traitement numérique dimages, la télédétection et les SIRS
1.1.2. Nature de l'image
1.1.3. Finalité du traitement numérique d'images (TNI)
1.1.4. Fil conducteur de ce manuel
1.2. Images satellitales utilisées
Bibliographie
Chapitre 2 Qu'estce qu'une image ?
2.1. Définitions
2.2. Contenu informatif de l'image
2.2.1. Tons de gris et couleur
2.2.2. Texture
2.2.3. Structure
2.2.4. Relief, ombrage
2.2.5. L'environnement et l'association
Bibliographie
Questions
Chapitre 3 L'image numérique
3.1. Définition et concepts
3.2. Structure de limage numérique
3.2.1. Formats d'images
3.2.2. Structures des formats de limage
3.2.3. L'élément de la matrice: le CNk
3.3. Caractéristiques statistiques d'une image
3.3.1. Histogrammes des niveaux de gris
3.3.2. L'entropie
3.4. Les catégories de traitements
Bibliographie
Questions
Chapitre 4 Restauration et transformations radiométriques
4.1. La problématique
4.2. Éléments de radiométrie Modélisation du cheminement du signal et de ses perturbations
4.2.1. Modélisation des effets atmosphériques
4.2.2. Les influences du radiomètre sur le signal
4.3. Restauration d'images
4.3.1. Défauts de transmission ou de mesure des détecteurs
4.3.2. Dérive des détecteurs
4.3.3. Chatoiement sur l'image radar
4.4. Étalonnage absolu
4.4.1. Transformation des comptes numériques en luminance apparente Étalonnage absolu
4.4.2. Transformation en réflectance apparente
4.5. Transformations réduisant les effets de l'atmosphère et du relief
4.5.1. Compensation des perturbations atmosphériques
4.6. Transformations empiriques ou semiempiriques
4.6.1. Ajustement empirique
4.6.2. Transformations radiométriques basées sur des invariants
4.7. Transformation par modélisation des conditions atmosphériques
4.7.1. Transformation par mesures simultanées au sol
4.8. Compensation des effets de l'éclairement et du relief sur les luminances
4.8.1. Modèle dit lambertien
4.8.2. Modèle anisotrope
4.9. Quelques considérations sur l'application des transformations radiométriques
4.9.1. L'étalonnage des détecteurs
4.9.2. Rehaussements et classifications
4.9.3. Classification
4.9.4. Extraction de paramètres biophysiques
Bibliographie
Questions
Chapitre 5 Transformations géométriques
5.1. La problématique
5.2. Propriétés géométriques implicites de l'image
5.2.1. Géométrie pour une surface plane ou courbe
5.2.2. Géométrie de Vimage avec l'effet du relief
5.3. Rectifications géométriques par transformations polynomiales
5.3. 1. Principes
5.3.2. Transformations polynomiales
5.4. Transformation géométrique pour la création d'une orthoimage
5.4.1. La problématique
5.4.2. Modèle géométrique de t'image en projection axiale
5.4.3. Procédure de création de Forthoimage
5.5. Rééchantillonnage, calcul des luminances de la nouvelle image
5.5.1. Rééchantillonnage par assignation de la luminance au point le " plus proche voisin "
5.5.2. Rééchantillonnage par interpolation bilinéaire .
5.5.3. Rééchantillonnage par interpolation bicubique
Bibliographie
Questions
Chapitre 6 Rehaussements Modifications visuelles de l'image
6.1. La problématique
6.2. Affichage en couleur
6.3. Modification de la taille de l'image
6.3.1. Agrandissement de t'image
6.3.2. Réduction de limage .
6.4. Rehaussement global Anamorphose & histogramme
6.4.1. Les principes
6.4.2. Notions de base sur l'histogramme
6.4.3. Rehaussement par modification de contraste et de luminosité
6.4.4. Rehaussement par spécification d'histogramme
6.5. Rehaussement local: les filtrages Notion de signal
6.5.1. Intérêts des transformations locales
6.5.2. Notions de signal par des exemples
6.5.3. Notion de fréquence spatiale
6.5.4. Éléments de théorie du signal Le produit de convolution
6.6. Les transformées de Fourier (TF)
6.6. 1. Introduction
6.6.2. Le développement en série de Fourier, origine de la TF
6.6.3. Représentation graphique de Vespace fréquentiel
6.6.4. Applications des transformées de Fourier au traitement d'images
6.7. Les transformées en ondelettes (TO)
6.7.1. La problématique
6.7.2. Les transformées de Fourier à fenêtre glissante
6.7.3. Transformée en ondelettes
6.7.4. Décomposition pyramidale
6.7.5. La fonction d'échelle
6.7.6. Algorithme de décomposition et de reconstruction Algorithme de Mallat
6.8. Filtres spatiaux
6.8. 1. Introduction
6.8.2. Mise en oeuvre de l'opérateur de filtrage contextuel
6.9. Filtres linéaires
6.9.1. Filtres passebas
6.9.2. Filtres passehaut
6.9.3. Commentaires
6.10. Filtres non linéaires
6.10.1. Opérateurs statistiques .
6.10.2. Opérateurs logiques
6.11. Filtres adaptatifs ou conditionnels
6.12. Commentaires sur les filtres
6.13. Fusion d'images
6.13.1. Méthodes d'injection globale
6.13.2. Méthodes d'injection différenciée
6.13.3. Commentaires .
6.14. La compression d'images
6.14.1. Introduction .
6.14.2. Compression sans perte
6.14.3. Compression avec perte
6.14.4. Compression avec capacité de reconstruction de t'image
6.15. Conclusion
Bibliographie
Questions
Chapitre 7 Production d`images non spectrales
7.1. Problématique
7.1.1. De la luminance aux indices
7.1.2. Propriétés des indices
7.2. Les indices de végétation
7.2. 1. Introduction
7.2.2. Bases physiques des indices de végétation
7.2.3. Lindice de référence: l'indice foliaire
7.2.4. Indices de végétation sans compensation
7.2.5. Les indices de végétation avec compensation des effets de sol
7.2.6. Indice avec compensation des effets atmosphériques
7.2.7. Indice de végétation avec compensation des effets de sol et des effets atmosphériques
7.2.8. Commentaires
7.3. Les transformations orthogonales
7.3.1. Pourquoi un changement de système d'axes ?
7.3.2. Quelques repères théoriques .
7.4. Le modèle " Tasseled Cap "
7.4.1. Un espace thématique pour le cycle de la végétation
7.4.2. Procédure d'élaboration du modèle " Tasseled Cap "
7.5. Transformation en composantes principales (TCP)
7.5.1. Problématique et principes
7.5.2. Procédure de calcul de la TCP
7.5.3. Illustration de la procédure de calcul de la TCP par un cas à deux dimensions
7.5.4. Exemple d'une transformation en composantes principales d'une miniscène de TM de Landsat
7.5.5. Propriétés et applications de la TCP en télédétection
7.6. Images texturales
7.6.1. L'indice de texture
7.6.2. Aspects thématiques des indices texturaux
7.6.3. Taille de la fenêtre d'auscultation
7.6.4. Quelques indices texturaux du premier ordre
7.6.5. Quelques indices texturaux du deuxième ordre
Bibliographie
Questions
Chapitre 8 Zonages de l'image Détermination de taxons
8.1. Du pixel aux classes thématiques
8.1.1. La problématique
8.1.2. Quelques principes pour le zonage .
8.1.3. Les stratégies du zonage de limage
8.1.4. Procédures de classification
8.1.5. Quelques définitions
8.2. Critères de regroupement en classification multispectrale
8.2.1. La problématique
8.2.2. Ressemblance ou distance spectrale
8.2.3. Appartenance ou critère de décision Seuillage .
8.3. Zonage par classification non dirigée
8.3.1. Problématique
8.3.2. Classification ascendante hiérarchique
8.3.3. Classification séquentielle
8.3.4. Étiquetage thématique Posttraitement
8.4. Zonage par classification dirigée
8.4.1. Situation et définition
8.4.2. Marche à suivre d'une classification dirigée
8.4.3. La notion de signature spectrale
8.4.4. Les catégories de classificateurs
8.4.5. Zonage par segmentation ou seuillage
8.4.6. Classification par la méthode parallélépipédique ou hyperboîte
8.4.7. Méthode barycentrique ou kproche voisin
8.4.8. Classification selon la distance de Mahalanobis
8.4.9. Classification selon le maximum de vraisemblance (MV)
8.4.10. Quelques propriétés du classificateur maximum de vraisemblance
8.5. Classificateurs neuronaux
8.5.1. Introduction
8.5.2. Le neurone artificiel
8.5.3. Propriétés de la sygmoïde
8.5.4. Le réseau de neurones Le perceptron multicouche
8.5.5. Caractéristiques et fonction du perceptron
8.5.6. La fonction de rétropropagation de Ferreur
8.5.7. Le pas ou taux de convergence
8.5.8. Préparation des données
8.5.9. Taille du réseau et de la base d'apprentissage
8.5.10. Application à la classification multispectrale Quelques règles de mise en oeuvre
8.5.11. Illustration de classification par réseau neuronal
8.5.12. Conclusions
8.6. Zonage par croissance de région
8.6.1. Limite de la signature spectrale Apport de la dimension spatiale
8.6.2. Principe et stratégie d'agrégation
8.6.3. Création des germes et naissance des régions
8.6.4. Exemple de classification par croissance de région
8.6.5. Commentaires
8.7. Évaluation de la qualité d'une classification
8.7.1. La problématique
8.7.2. Matrice de confusion
8.7.3. Quelques indicateurs de la qualité de la classification
8.8. Conclusion
Bibliographie
Questions
RéponsesNuméro de notice : 61102C Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=45852 Voir aussiRéservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 61102-01C 35.20 Livre Centre de documentation Télédétection Disponible
contenu dans Mapping the 21st century: the 20th International Cartographic Conference, ICC 2001, Beijing, China, August 6 - 10, 2001, vol 3. Proceedings / L. Li (2001)
Titre : Wavelet compression and MrSID Type de document : Article/Communication Auteurs : Jin Zhang, Auteur Editeur : International Cartographic Association ICA - Association cartographique internationale ACI Année de publication : 2001 Conférence : ICC 2001, 20th International Cartographic Conference ICA, Mapping the 21th century 06/08/2001 10/08/2001 Pékin Chine OA Proceedings Importance : pp 1671 - 1677 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] compression par ondelettes
[Termes IGN] corrélation
[Termes IGN] format d'image
[Termes IGN] résolution multiple
[Termes IGN] système d'information géographique
[Termes IGN] transformation en ondelettesRésumé : (Auteur) There are two basic kinds of compression schemes : lossless and lossy. A lossy compression scheme has advantage that one can achieve much higher compression ratios than with lossless compression. The underlying idea of any compression scheme is to remove the correlation present in the data. The main idea of image compression and multiresolution analysis is to decompose the given function into a simpler low and high resolution detail part so that the original function can be recovered from the combination of the two parts. This process filtering the function into subbands continues recursevely on the low-resolution part until the most basic (crude) representation is reached. In wavelet analysis, named also discrete wavelet algorithm process data at different scales resolutions. MrSID, short for Multi-Resolution Seamless Image Database, utilizes a patented wavelet-based compression technology for compressing and viewing digital raster imagery. Numéro de notice : C2001-024 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : https://icaci.org/files/documents/ICC_proceedings/ICC2001/icc2001/file/f11073.rt [...] Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=64932 Fusion of high spatial and spectral resolution images: the ARSIS concept and its implementation / Thierry Ranchin in Photogrammetric Engineering & Remote Sensing, PERS, vol 66 n° 1 (January 2000)
[article]
Titre : Fusion of high spatial and spectral resolution images: the ARSIS concept and its implementation Type de document : Article/Communication Auteurs : Thierry Ranchin, Auteur ; Lucien Wald, Auteur Année de publication : 2000 Article en page(s) : pp 49 - 61 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] fusion d'images
[Termes IGN] image à haute résolution
[Termes IGN] image Landsat
[Termes IGN] image SPOT
[Termes IGN] implémentation (informatique)
[Termes IGN] limite de résolution géométrique
[Termes IGN] modélisation
[Termes IGN] spectre électromagnétique
[Termes IGN] transformation en ondelettesRésumé : (Auteur) In various applications of remote sensing, when high spatial résolution is required in addition with classification results, sensor fusion is a solution. From a set of images with different spatial and spectral resolutions, the aim is to synthesize images with the highest spatial resolution available in the set and with an appropriate spectral content. Several sensor fusion and methods exist; most of them improve the spatial resolution but provide poor quality of the spectral content of the resulting image. Based on a rnultiresolution modeling of the information, the ARSIS concept (from its French name "Amélioration de la Résolution Spatiale par Injection de Structures") was designed with the aim of improving the spatial resolution together with a high quality in the spectral content of the synthesized images. The general case for the application of this concept is described. A quantitative comparison of all presented methods achieved for a SPOT image. Another example of the fusion of SPOT XS (20-m) and KVR-1000 (2-m) images is given. Practical information for the implementation of the wavelet transform, the multiresolution analysis, and the ARSIS concept by practitioners is given with particular relevance to SPOT and Landsat imagery. Numéro de notice : A2000-256 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : sans En ligne : https://hal.science/hal-00356168 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=21673
in Photogrammetric Engineering & Remote Sensing, PERS > vol 66 n° 1 (January 2000) . - pp 49 - 61[article]Analyse par ondelettes de processus localement dilatés et application au gradient de texture / Maureen Clerc Gallagher (1999)
Titre : Analyse par ondelettes de processus localement dilatés et application au gradient de texture Type de document : Thèse/HDR Auteurs : Maureen Clerc Gallagher, Auteur ; Stéphane Mallat, Directeur de thèse Editeur : Palaiseau : Ecole Polytechnique EP Année de publication : 1999 Importance : 145 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat en Mathématiques Appliquées, Ecole Polytechnique, Palaiseau, FranceLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] asymptote
[Termes IGN] covariance
[Termes IGN] décorrélation
[Termes IGN] gradient
[Termes IGN] ondelette
[Termes IGN] problème inverse
[Termes IGN] processus stochastique
[Termes IGN] structure-from-motion
[Termes IGN] transformation en ondelettes
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Nous nous intéressons à des processus non stationnaires qui proviennent de la déformation d'un processus stationnaire sous-jacent : les processus localement dilatés. Nous cherchons à résoudre un problème inverse : estimer la déformation à partir d'une seule réalisation d'un processus localement dilaté. On peut stationnariser localement un tel processus en approchant l'inverse de la déformation par une transformation affine appropriée. A l'aide d'ondelettes généralisées, obtenues en appliquant le groupe des transformations affines à une fonction localisée, nous pouvons écrire une équation de transport asymptotique, vérifiée à fine échelle par la variance des coefficients d'ondelettes d'un processus localement dilaté. En deux dimensions, apres avoir introduit une définition de stationnarite adéquate pour un processus sur une surface courbe quelconque, nous identifions le terme de vitesse à un gradient de texture connu. Pour estimer la covariance, puisque nous nous disposons que d'une réalisation échantillonnée, la moyenne statistique est remplacée par une moyenne spatiale. L'ergodicité est garantie par un résultat de décorrelation des coefficients d'ondelettes du processus localement dilaté. L'estimateur de la dilatation locale proposé est faiblement consistant lorsque la longueur de la réalisation tend vers l'infini. Nous illustrons ces résultats par des exemples numériques en une dimension et en deux dimensions pour la résolution du probleme de shape from texture en vision artificielle. Note de contenu : Introduction
1- Processus localement dilatés
2- Stationnarisation
3- Stationnarité tangentielle
4- Estimation
5- Résultats numériques
ConclusionNuméro de notice : 21723 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques Appliquées : Polytechnique : 1999 nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91027 Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 21723-01 THESE Livre Centre de documentation Thèses Disponible A wavelet tour of signal processing / Stéphane Mallat (1999)PermalinkLes variations du géocentre déterminées par DORIS et les autres techniques de géodésie spatiale / Patrick Sillard (07/05/1998)PermalinkReconnaissance de formes dans des images de télédétection du milieu urbain / Isabelle Couloigner (1998)PermalinkLes variations du géocentre déterminées par DORIS et les autres techniques de géodésie spatiale / Patrick Sillard (1998)PermalinkOndelettes et turbulences / P. Abry (1997)PermalinkWavelets für das Facetten-Stereosehen / J. Tsay (1996)PermalinkDigital compression of still images and video / R.J. Clarke (1995)PermalinkPermalinkApport de la fusion d'images satellitaires multicapteurs au niveau pixel en télédétection et photo-interprétation / M. Mangolini (1994)PermalinkAnalyse en ondelettes et mise en correspondance en télédétection / Jean-Pierre Djamdji (1993)Permalink