Centre dedocumentation
scientifique

Phase unmixing of TerraSAR-X staring spotlight interferograms in building scale for PS height and deformation / Peng Liu in ISPRS Journal of photogrammetry and remote sensing, vol 180 (October 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 180 (October 2021) . - pp 14 - 28 Titre : Phase unmixing of TerraSAR-X staring spotlight interferograms in building scale for PS height and deformation Type de document : Article/Communication Auteurs : Peng Liu, Auteur ; Zhenhong Li, Auteur ; Shisheng Wang, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 14 - 28 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] analyse des mélanges spectraux [Termes IGN] chevauchement [Termes IGN] Chine [Termes IGN] discontinuité [Termes IGN] image radar moirée [Termes IGN] image TerraSAR-X [Termes IGN] modèle numérique de surface [Termes IGN] ombre [Termes IGN] segmentation [Termes IGN] semis de points Résumé : (auteur) Staring spotlight images with a spatial resolution of up to tens of centimeters are good data sources for urban applications including displacement mapping. However, phase discontinuities, layover, and shadowing effect are also associated with staring spotlight interferograms, adding to the difficulties in height estimation and spatial phase unwrapping. The scattering mechanism of the staring spotlight images in the urban environment is complicated, thus it is difficult to simulate and remove the reference height of staring spotlight interferograms directly. In addition, global spatial phase unwrapping networks tend to smooth phase discontinuities. With the aim of implementing height estimation and phase unwrapping for TerraSAR-X Staring Spotlight interferograms, a workflow for phase unmixing of TerraSAR-X staring spotlight interferograms is proposed in this paper. The PS height is estimated in the baseline domain rather than the spatial domain. Taking into account the length and height change of each connection, the spatial phase unwrapping network is adjusted and segmented into isolated networks. The connected components of the adjusted spatial phase unwrapping network can be identified using graph theory. Spatial phase unwrapping is implemented in individual networks. The unfolded height phase is separated from the unwrapped phase, and the remaining phase is deformation dominated. Compared with the traditional global spatial phase unwrapping method, this study demonstrates the feasibility of the proposed least squares parameter search and graph partition based workflow in urban area, for phase unmixing of TerraSAR-X staring spotlight interferograms in building scale for PS height and deformation, as evidenced by external LiDAR DSM and temperature records. Numéro de notice : A2021-652 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.08.007 Date de publication en ligne : 14/08/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.08.007 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98382 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021101	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021103	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2021102	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Compressive Sensing appliqué au traitement de données InSAR pour le suivi de la déformation des zones urbaines / Matthieu Rebmeister in XYZ, n° 166 (mars 2021)

Public [article]  inXYZ > n° 166 (mars 2021) . - pp 50 - 56 Titre : Compressive Sensing appliqué au traitement de données InSAR pour le suivi de la déformation des zones urbaines Type de document : Article/Communication Auteurs : Matthieu Rebmeister, Auteur Année de publication : 2021 Article en page(s) : pp 50 - 56 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] acquisition comprimée [Termes IGN] estimation des paramètres [Termes IGN] image radar moirée [Termes IGN] image TerraSAR-X [Termes IGN] reconstruction 3D du bâti [Termes IGN] site urbain [Termes IGN] télédétection en hyperfréquence Résumé : (Auteur) Les méthodes de traitement du signal, dites de“Compressive Sensing”, ont été développées vers la fin des années 1990 afin de résoudre des systèmes linéaires sous-déterminés. Il est envisageable d’appliquer ces nouveaux algorithmes aux images SAR à cause de leur géométrie d’acquisition particulière. À partir de plusieurs scènes SAR, il est possible de reconstruire la hauteur de chaque pixel possédant au minimum un réflecteur dominant et d’estimer la vitesse de déformation linéaire ainsi que la dilatation thermique des points concernés. Le problème est mal conditionné, ce qui signifie que sa résolution via les algorithmes de Compressive Sensing ne suffit pas à obtenir une solution robuste et plusieurs traitements doivent être effectués pour améliorer le résultat fourni. Un algorithme de traitement complet a été développé et est présenté dans cet article. Afin de tester son efficacité, celui-ci est appliqué sur des données issues du satellite TerraSAR-X. Les résultats montrent que l’estimation est cohérente avec le contexte topographique et urbain. L’algorithme développé permet ainsi de reconstruire en 3D et de suivre le déplacement des zones étudiées. Numéro de notice : A2021-248 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97327 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
112-2021011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Wide-area near-real-time monitoring of tropical forest degradation and deforestation using Sentinel-1 / Dirk Hoekman in Remote sensing, vol 12 n° 19 (October-1 2020)  

Public [article]  inRemote sensing > vol 12 n° 19 (October-1 2020) . - 32 p. Titre : Wide-area near-real-time monitoring of tropical forest degradation and deforestation using Sentinel-1 Type de document : Article/Communication Auteurs : Dirk Hoekman, Auteur ; Boris Kooij, Auteur ; Marcela J. Quiñones, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : 32 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] Amazonie [Termes IGN] Bornéo, île de [Termes IGN] déboisement [Termes IGN] dégradation de l'environnement [Termes IGN] détection de changement [Termes IGN] forêt tropicale [Termes IGN] image radar [Termes IGN] image Sentinel-SAR [Termes IGN] image TerraSAR-X [Termes IGN] modèle physique [Termes IGN] série temporelle [Termes IGN] surveillance forestière [Termes IGN] tourbière Résumé : (auteur) The use of Sentinel-1 (S1) radar for wide-area, near-real-time (NRT) tropical-forest-change monitoring is discussed, with particular attention to forest degradation and deforestation. Since forest change can relate to processes ranging from high-impact, large-scale conversion to low-impact, selective logging, and can occur in sites having variable topographic and environmental properties such as mountain slopes and wetlands, a single approach is insufficient. The system introduced here combines time-series analysis of small objects identified in S1 data, i.e., segments containing linear features and apparent small-scale disturbances. A physical model is introduced for quantifying the size of small (upper-) canopy gaps. Deforestation detection was evaluated for several forest landscapes in the Amazon and Borneo. Using the default system settings, the false alarm rate (FAR) is very low (less than 1%), and the missed detection rate (MDR) varies between 1.9% ± 1.1% and 18.6% ± 1.0% (90% confidence level). For peatland landscapes, short radar detection delays up to several weeks due to high levels of soil moisture may occur, while, in comparison, for optical systems, detection delays up to 10 months were found due to cloud cover. In peat swamp forests, narrow linear canopy gaps (road and canal systems) could be detected with an overall accuracy of 85.5%, including many gaps barely visible on hi-res SPOT-6/7 images, which were used for validation. Compared to optical data, subtle degradation signals are easier to detect and are not quickly lost over time due to fast re-vegetation. Although it is possible to estimate an effective forest-cover loss, for example, due to selective logging, and results are spatiotemporally consistent with Sentinel-2 and TerraSAR-X reference data, quantitative validation without extensive field data and/or large hi-res radar datasets, such as TerraSAR-X, remains a challenge. Numéro de notice : A2020-633 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs12193263 Date de publication en ligne : 08/10/2020 En ligne : https://doi.org/10.3390/rs12193263 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96056 [article]

Matching of TerraSAR-X derived ground control points to optical image patches using deep learning / Tatjana Bürgmann in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > Vol 158 (December 2019) . - pp 241 - 248 Titre : Matching of TerraSAR-X derived ground control points to optical image patches using deep learning Type de document : Article/Communication Auteurs : Tatjana Bürgmann, Auteur ; Wolfgang Koppe, Auteur ; Michael Schmitt, Auteur Année de publication : 2019 Article en page(s) : pp 241 - 248 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes IGN] appariement d'images [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] géolocalisation [Termes IGN] image multicapteur [Termes IGN] image optique [Termes IGN] image Pléiades [Termes IGN] image radar moirée [Termes IGN] image Sentinel-MSI [Termes IGN] image Sentinel-SAR [Termes IGN] image TerraSAR-X [Termes IGN] point d'appui Résumé : (auteur) High resolution synthetic aperture radar (SAR) satellites like TerraSAR-X are capable of acquiring images exhibiting an absolute geolocation accuracy within a few centimeters, mainly because of the availability of precise orbit information and by compensating range delay errors due to atmospheric conditions. In contrast, satellite images from optical missions generally exhibit comparably low geolocation accuracies because of the propagation of errors in angular measurements over large distances. However, a variety of remote sensing applications, such as change detection, surface movement monitoring or ice flow measurements, require precisely geo-referenced and co-registered satellite images. By using Ground Control Points (GCPs) derived from TerraSAR-X, the absolute geolocation accuracy of optical satellite images can be improved. For this purpose, the corresponding matching points in the optical images need to be localized. In this paper, a deep learning based approach is investigated for an automated matching of SAR-derived GCPs to optical image elements. Therefore, a convolutional neural network is pretrained with medium resolution Sentinel-1 and Sentinel-2 imagery and fine-tuned on precisely co-registered TerraSAR-X and Pléiades training image pairs to learn a common descriptor representation. By using these descriptors, the similarity of SAR and optical image patches can be calculated. This similarity metric is then used in a sliding window approach to identify the matching points in the optical reference image. Subsequently, the derived points can be utilized for co-registration of the underlying images. The network is evaluated over nine study areas showing airports and their rural surroundings from several different countries around the world. The results show that based on TerraSAR-X-derived GCPs, corresponding points in the optical image can automatically and reliably be identified with a pixel-level localization accuracy. Numéro de notice : A2019-548 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.010 Date de publication en ligne : 05/11/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.010 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94194 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019121	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2019123	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2019122	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

On the value of corner reflectors and surface models in InSAR precise point positioning / Mengshi Yang in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > Vol 158 (December 2019) . - pp 113 - 122 Titre : On the value of corner reflectors and surface models in InSAR precise point positioning Type de document : Article/Communication Auteurs : Mengshi Yang, Auteur ; Paco Lopez-Dekker, Auteur ; Prabu Dheenathayalan, Auteur ; Mingsheng Liao, Auteur ; Ramon F. Hanssen, Auteur Année de publication : 2019 Article en page(s) : pp 113 - 122 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes IGN] coin réflecteur [Termes IGN] correction d'image [Termes IGN] géolocalisation [Termes IGN] image radar moirée [Termes IGN] image Sentinel-SAR [Termes IGN] image TerraSAR-X [Termes IGN] interféromètrie par radar à antenne synthétique [Termes IGN] MNS lidar [Termes IGN] Pays-Bas [Termes IGN] point d'appui [Termes IGN] positionnement ponctuel précis [Termes IGN] semis de points Résumé : (auteur) To correctly interpret the estimated displacements in InSAR point clouds, especially in the built environment, these need to be linked to real-world structures. This requires the accurate and precise 3D positioning of each point. Artificial ground control points (GCPs), such as corner reflectors, serve this purpose, but since they require efforts and resources, there is a need for criteria to assess their usefulness. Here we evaluate the value and necessity of using GCPs for different scenarios, concerning the required efforts, and compare this to alternatives such as digital surface models (DSM) and advanced (geo) physical corrections. We consider single-epoch as well as multi-epoch GCP deployment, reflect on the number of GCPs required in relation to the number of SAR data acquisitions, and compare this with digital surface models of different quality levels. Analyzing the geolocation performance using TerraSAR-X and Sentinel-1 data, we evaluate the pros and cons of various deployment options and show that the multi-epoch deployment of a GCP yields optimal geolocalization results in terms of precision, accuracy, and reliability. Numéro de notice : A2019-546 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.10.006 Date de publication en ligne : 25/10/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.10.006 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94191 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019121	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2019123	DEP-RECP	Revue	LaSTIG	Dépôt en unité	Exclu du prêt
081-2019122	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Introducing spatial regularization in SAR tomography reconstruction / Clément Rambour in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)  

Permalink

Soil roughness retrieval from TerraSar-X data using neural network and fractal method / Mohammad Maleki in Advances in space research, vol 64 n°5 (1 September 2019)  

Permalink

Caractérisation des déplacements liés aux coulées de lave au Piton de la Fournaise à partir de données InSAR / Alexis Hrysiewicz (2019)  

Permalink

Challenges in grassland mowing event detection with multimodal Sentinel images / Anatol Garioud (2019)  

Permalink

Ten years of TerraSAR-X : scientific results / Michael Eineder (2019)  

Permalink

Investigation of the success of monitoring slow motion landslides using Persistent Scatterer Interferometry and GNSS methods / K.O. Hastaoglu in Survey review, vol 50 n° 363 (September 2018)  

Permalink

Towards automatic SAR-optical stereogrammetry over urban areas using very high resolution imagery / Chunping Qiu in ISPRS Journal of photogrammetry and remote sensing, vol 138 (April 2018)  

Permalink

Advances in SAR: Sensors, Methodologies, and Applications / Timo Balz (2018)  

Permalink

Détection de changement par imagerie radar sur les zones naturelles et agricoles en milieu tropical / Jérôme Lebreton (2018) 

Permalink

Estimation of surface roughness over bare agricultural soil from Sentinel-1 data / Mohammad Choker (2018)  

Permalink