Centre dedocumentation
scientifique

Quantifying historical landscape change with repeat photography: an accuracy assessment of geospatial data obtained through monoplotting / Ulrike Bayr in International journal of geographical information science IJGIS, vol 35 n° 10 (October 2021)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 35 n° 10 (October 2021) . - pp 2026 - 2046 Titre : Quantifying historical landscape change with repeat photography: an accuracy assessment of geospatial data obtained through monoplotting Type de document : Article/Communication Auteurs : Ulrike Bayr, Auteur Année de publication : 2021 Article en page(s) : pp 2026 - 2046 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] analyse diachronique [Termes IGN] analyse du paysage [Termes IGN] angle d'incidence [Termes IGN] détection de changement [Termes IGN] données anciennes [Termes IGN] données multitemporelles [Termes IGN] image oblique [Termes IGN] modèle numérique de terrain [Termes IGN] monorestitution [Termes IGN] Norvège [Termes IGN] orthoimage géoréférencée [Termes IGN] photographie aérienne [Termes IGN] photographie terrestre [Termes IGN] point d'appui [Termes IGN] précision des données Résumé : (auteur) Traditional landscape photographs reaching back until the second half of the nineteenth century represent a valuable image source for the study of long-term landscape change. Due to the oblique perspective and the lack of geographical reference, landscape photographs are hardly used for quantitative research. In this study, oblique landscape photographs from the Norwegian landscape monitoring program are georeferenced using the WSL Monoplotting Tool with the aim of evaluating the accuracy of point and polygon features. In addition, the study shows how the resolution of the chosen digital terrain model and other factors affect accuracy. Points mapped on the landscape photograph had a mean displacement of 1.52 m from their location on a corresponding aerial photograph, while mapped areas deviated on average 5.6% in size. The resolution of the DTM, the placement of GCPs and the angle of incidence were identified as relevant factors to achieve accurate geospatial data. An example on forest expansion at the abandoned mountain farm Flysetra in Mid-Norway demonstrates how repeat photography facilitates the georectification process in the absence of reliable ground control points (GCPs) in very old photographs. Numéro de notice : A2021-656 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2021.1871910 date de publication en ligne : 20/01/2021 En ligne : https://doi.org/10.1080/13658816.2021.1871910 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98392 [article]

A high-resolution satellite DEM filtering method assisted with building segmentation / Yihui Li in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 6 (June 2021)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 6 (June 2021) . - pp 421 - 430 Titre : A high-resolution satellite DEM filtering method assisted with building segmentation Type de document : Article/Communication Auteurs : Yihui Li, Auteur ; Fang Gao, Auteur ; Wentao Li, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 421 - 430 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection du bâti [Termes IGN] filtrage numérique d'image [Termes IGN] filtre adaptatif [Termes IGN] image à haute résolution [Termes IGN] Kappa de Cohen [Termes IGN] modèle numérique de surface [Termes IGN] orthoimage [Termes IGN] point d'appui [Termes IGN] segmentation d'image Résumé : (Auteur) Digital elevation model (DEM) filtering is critical in DEM production, and large-area meter-level resolution DEM is mainly generated from high-resolution satellite images. However, the current DEM filtering methods are mostly aimed at laser scanning data and tend to excessively remove ground points when processing a satellite digital surface model (DSM). To accurately filter out buildings and preserve terrain, we propose a DEM filtering algorithm using building segmentation results of orthophoto. Based on morphological filtering, our method estimates the probability of being a built-up area or mountains for DSM, and according to this probability the filtering parameters are adaptively adjusted. For robustness, our method performs the above filtering operation on DSM through a sliding-window approach, and finally the nonground points are determined by the votes of multiple filtering. Experiments against six representative data sets have shown that our method achieved superior performance than classical algorithms and commercial software. Numéro de notice : A2021-374 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.6.421 date de publication en ligne : 01/06/2021 En ligne : https://doi.org/10.14358/PERS.87.6.421 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97827 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2021061	SL	Revue	Centre de documentation	Revues en salle	Disponible

Reconnaissance automatique d’objets pour le jumeau numérique ferroviaire à partir d’imagerie aérienne / Valentin Desbiolles in XYZ, n° 167 (juin 2021)

Public [article]  inXYZ > n° 167 (juin 2021) . - pp 33 - 38 Titre : Reconnaissance automatique d’objets pour le jumeau numérique ferroviaire à partir d’imagerie aérienne Type de document : Article/Communication Auteurs : Valentin Desbiolles, Auteur Année de publication : 2021 Article en page(s) : pp 33 - 38 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse comparative [Termes IGN] Autocad Map [Termes IGN] automatisation des processus [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] dessin assisté par ordinateur [Termes IGN] détection automatique [Termes IGN] détection d'objet [Termes IGN] image aérienne [Termes IGN] orthoimage [Termes IGN] transformation de Hough [Termes IGN] voie ferrée Résumé : (Auteur) Ce projet propose une étude sur l’insertion automatique d’objets utiles au fonctionnement d’une voie ferrée dans un plan DAO. Ces objets sont visibles sur des orthophotos acquises par moyens aéroportés (drone ou hélicoptère). La solution se scinde en deux grands axes : 1- la détection et la localisation des objets d’intérêt sur une orthophoto ; 2- leurs insertions dans un plan DAO. Ce PFE parcourt ainsi les différentes techniques pour automatiser une phase de reconnaissance de certains éléments cibles sur une image pour finir sur le développement d’une méthode permettant de les reporter dans un plan DAO automatiquement. Numéro de notice : A2021-462 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans date de publication en ligne : 01/06/2021 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97928 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2021021	SL	Revue	Centre de documentation	Revues en salle	Disponible
112-2021022	SL	Revue	Centre de documentation	Revues en salle	Disponible

Updating of forest stand data by using recent digital photogrammetry in combination with older airborne laser scanning data / Niels Lindgren in Scandinavian journal of forest research, vol 36 n° 5 ([01/06/2021])  

Public [article]  inScandinavian journal of forest research > vol 36 n° 5 [01/06/2021] . - pp 401 - 407 Titre : Updating of forest stand data by using recent digital photogrammetry in combination with older airborne laser scanning data Type de document : Article/Communication Auteurs : Niels Lindgren, Auteur ; André Wästlund, Auteur ; Inka Bohlin, Auteur ; Kenneth Nyström, Auteur ; Mats Nilsson, Auteur ; Hakan Olsson, Auteur Année de publication : 2021 Article en page(s) : pp 401 - 407 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] Betula (genre) [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image aérienne [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] inventaire forestier étranger (données) [Termes IGN] orthoimage [Termes IGN] photogrammétrie numérique [Termes IGN] Picea abies [Termes IGN] Pinus sylvestris [Termes IGN] Suède [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) Accurate and up-to-date data about growing stock volume are essential for forest management planning. Airborne Laser Scanning (ALS) is known for producing accurate wall-to-wall predictions but the data are at present collected at long time intervals. Digital Photogrammetry (DP) is cheaper and often more frequently available but known to be less accurate. This study investigates the potential of using contemporary DP data together with older ALS data and compares this with the case when only old ALS data are trained with recent field data. Combining ALS data from 2010 to 2011 with DP data from 2015, both trained with National Forest Inventory (NFI) field plot data from 2015, improved predictions of growing stock volume. Validation using data from 100 stands inventoried in 2015 gave an RMSE of 24.3% utilizing both old ALS data and recent DP data, 26.0% for old ALS only and 24.9% for recent DP only. If information about management actions were assumed available, combining old ALS and recent DP gave RMSE of 23.0%, only ALS 23.3% and only DP 23.8%. Numéro de notice : A2021-604 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article DOI : 10.1080/02827581.2021.1936153 En ligne : https://doi.org/10.1080/02827581.2021.1936153 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98333 [article]

Scene classification of remotely sensed images via densely connected convolutional neural networks and an ensemble classifier / Qimin Cheng in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 4 (April 2021)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 4 (April 2021) . - pp 295-308 Titre : Scene classification of remotely sensed images via densely connected convolutional neural networks and an ensemble classifier Type de document : Article/Communication Auteurs : Qimin Cheng, Auteur ; Yuan Xu, Auteur ; Peng Fu, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 295-308 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] image aérienne [Termes IGN] orthoimage [Termes IGN] scène Résumé : (Auteur) Deep learning techniques, especially convolutional neural networks, have boosted performance in analyzing and understanding remotely sensed images to a great extent. However, existing scene-classification methods generally neglect local and spatial information that is vital to scene classification of remotely sensed images. In this study, a method of scene classification for remotely sensed images based on pretrained densely connected convolutional neural networks combined with an ensemble classifier is proposed to tackle the under-utilization of local and spatial information for image classification. Specifically, we first exploit the pretrained DenseNet and fine-tuned it to release its potential in remote-sensing image feature representation. Second, a spatial-pyramid structure and an improved Fisher-vector coding strategy are leveraged to further strengthen representation capability and the robustness of the feature map captured from convolutional layers. Then we integrate an ensemble classifier in our network architecture considering that lower attention to feature descriptors. Extensive experiments are conducted, and the proposed method achieves superior performance on UC Merced, AID, and NWPU-RESISC45 data sets. Numéro de notice : A2021-334 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.3.295 date de publication en ligne : 01/04/2021 En ligne : https://doi.org/10.14358/PERS.87.3.295 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97533 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2021041	SL	Revue	Centre de documentation	Revues en salle	Disponible

The delineation of tea gardens from high resolution digital orthoimages using mean-shift and supervised machine learning methods / Akhtar Jamil in Geocarto international, vol 36 n° 7 ([01/04/2021])  

Permalink

Automatic object extraction from airborne laser scanning point clouds for digital base map production / Elyta Widyaningrum (2021)  

Permalink

Deep learning for feature based image matching / Lin Chen (2021)  

Permalink

Automatic building footprint extraction from UAV images using neural networks / Zoran Kokeza in Geodetski vestnik, vol 64 n° 4 (December 2020 - February 2021)  

Permalink

Quality assessment of photogrammetric methods - A workflow for reproducible UAS orthomosaics / Marvin Ludwig in Remote sensing, vol 12 n° 22 (December 2020)  

Permalink

Remote sensing in urban planning: Contributions towards ecologically sound policies? / Thilo Wellmann in Landscape and Urban Planning, vol 204 (December 2020)  

Permalink

Streets of London: Using Flickr and OpenStreetMap to build an interactive image of the city / Azam Raha Bahrehdar in Computers, Environment and Urban Systems, vol 84 (November 2020)  

Permalink

Homogeneous tree height derivation from tree crown delineation using Seeded Region Growing (SRG) segmentation / Muhamad Farid Ramli in Geo-spatial Information Science, vol 23 n° 3 (September 2020)  

Permalink

CNN semantic segmentation to retrieve past land cover out of historical orthoimages and DSM: first experiments / Arnaud Le Bris in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, V-2 (August 2020)  

Permalink

Modelling the orthoimage accuracy using DEM accuracy and off-nadir angle / Altan Yilmaz in Geocarto international, Vol 35 n° 1 ([02/01/2020])  

Permalink