Descripteur
Documents disponibles dans cette catégorie (408)
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
Titre : Classification of land use from high resolution satellite imagery Type de document : Mémoire Auteurs : Yasser Kotrsi, Auteur ; Arnaud Le Bris , Encadrant ; Nesrine Chehata , Encadrant ; Anne Puissant, Encadrant ; Tristan Postadjian , Encadrant Editeur : Tunis [Tunisie] : Ecole nationale d'ingénieurs de Carthage Année de publication : 2018 Importance : 112 p. Note générale : bibliographie
End Of Studies Project Report, in fulfillment of the requirements for the degree of National engineering diploma in software engineeringLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] bibliothèque logicielle
[Termes IGN] classification barycentrique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] Finistère (29)
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] milieu urbain
[Termes IGN] occupation du sol
[Termes IGN] OpenCV
[Termes IGN] Python (langage de programmation)
[Termes IGN] semis de pointsRésumé : (auteur) The MATIS team of the LaSTIG Laboratory of the french mapping agency (IGN) has for several years conducted research activities in the field of classification of remote sensing data (aerial or satellite optical images and point clouds 3D lidar) for land use (OCS), in urban and rural areas. With the arrival of the new Sentinel S1 (radar) and S2 (optical) sensors, time series of images are now available free of charge with a high temporal resolution (between 10 and 15 days) and a high spectral resolution for optical images. In addition, the national territory is covered annually by acquisition of SPOT 6-7 images. The CES Artificialisation-urbanization pole Theia aims at the production of a map of land use in urban environment, with a resolution of 10m. Early work based on the fusion of Sentinel 2 time series with very high resolution data (THR) SPOT 6-7, Pleiades led to the detection of artifical spots, as well as well shaped urban objects. It is now a question of better characterizing this urban space by investigating about the relations between those image regions as well as each one’s spatial properties in order to produce a detailed cartography classified into different types of urban fabrics (residential, dense urban, non-dense, industrial, ...). In this study we dive deep through the problematic of the land use classification, its aspects as well the different approaches to characterize the extracted information about it in order to obtain an accurate classification that corresponds well to the expected results. This study therefore focuses on the continuation of previous work and consists in obtaining a detailed cartography in different types of urban fabrics (residential, dense urban, non-dense, industrial, ..). For that, several scientific locks are raised: • Test the data fusion methods previously used for fine mapping of the urban environment. • Develop different multiscale spatial indicators (size of objects, distance between objects, density of objects, presence of vegetation, ...) to describe the city. • Exploit these indicators in order to find different types of neighborhoods and to characterize land use. The calculation of indicators is based in part on SPOT image classifications 6-7 obtained during previous work. Also the Urban Atlas database, which also details urban spaces in urban classes, is used in the learning stage as well as the Corine Land Cover database. Note de contenu : Introduction
1- Project introduction
2- State of the art and background material
3- Available data and study areas
4- Methodology
5- Results and discussions
Conclusion and perspectivesNuméro de notice : 17187 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire ingénieur Organisme de stage : LaSTIG (IGN) DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98348 Documents numériques
peut être téléchargé
Classification of land use ... - pdf auteurAdobe Acrobat PDF Classification à très haute résolution (THR) spatiale et fusion d'occupation des sols (OCS) / Tristan Postadjian (2018)
contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne, France) (2018)
Titre : Classification à très haute résolution (THR) spatiale et fusion d'occupation des sols (OCS) Type de document : Article/Communication Auteurs : Tristan Postadjian , Auteur ; Arnaud Le Bris , Auteur ; Clément Mallet , Auteur ; Hichem Sahbi, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : 1-Pas de projet / Conférence : Journées Recherche de l'IGN 2018, 27es Journées 22/03/2018 23/03/2018 Champs-sur-Marne France programme sans actes Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par réseau neuronal
[Termes IGN] fusion d'images
[Termes IGN] image à très haute résolution
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] occupation du sol
[Termes IGN] réseau neuronal convolutifRésumé : (auteur) La connaissance de la couverture du sol, bien qu'essentielle comme donnée support aux directives européennes et aux politiques publiques nationales, s'avère coûteuse dans des processus manuels. Des processus automatiques exploitant des données de télédétection s'avèrent donc nécessaires pour un suivi régulier. Ainsi, bénéficiant d'une donnée d'apprentissage massive avec les bases de données géographiques existantes, nous proposons l'utilisation de méthodes de classification automatique avancées de type réseaux de neurones convolutifs profonds (deep learning) pour produire une OCS à large échelle à partir d'images SPOT 6 et 7. Des couvertures annuelles du territoire français par ce capteur sont en effet mises à disposition par le pôle Théia. Un exemple d'utilisation des résultats obtenus pour la détection d'une tache artificialisée par fusion avec une classification de séries temporelles d'images optiques acquises par les satellites Sentinel-2 sera ensuite présenté. Numéro de notice : C2018-028 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90569 Documents numériques
peut être téléchargé
Classification à très haute résolution (THR) spatiale et ... - diaporamaAdobe Acrobat PDF Conception d’une méthode radar de suivi bimensuel des déforestations et d’une méthode optique de classification d’occupation des sols / Luc Baudoux (2018)
Titre : Conception d’une méthode radar de suivi bimensuel des déforestations et d’une méthode optique de classification d’occupation des sols Type de document : Mémoire Auteurs : Luc Baudoux , Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 54 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de projet pluridisciplinaire, cycle Ingénieur 2e annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification pixellaire
[Termes IGN] déboisement
[Termes IGN] enjeu
[Termes IGN] Guyane (département français)
[Termes IGN] image Radarsat
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] masque
[Termes IGN] restauration d'image
[Termes IGN] segmentation d'image
[Termes IGN] surface cultivée
[Termes IGN] surveillance forestièreIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Dans le cadre de ses missions d’aménagement et de surveillance du territoire, la Direction de l’alimentation, de l’agriculture et de la forêt de Guyane a besoin d’un produit cartographique fiable et régulièrement actualisé. Pour répondre à ce besoin est venue l’idée d’utiliser des techniques de télédétection au sein du service afin de compléter la méthode actuelle basée sur la photo-interprétation. Dans ce contexte, mon stage a eu avec pour objectif principal de développer une méthode de suivi bimensuel des déforestations et pour objectif secondaire de proposer une technique de classification d’occupation des sols. Il fallait également former les agents du service aux concepts sous-jacents ainsi qu’à l’utilisation des scripts développés. L‘étude des déforestations vise à permettre la détection de zones déforestées supérieures à un hectare avec un retard de l’ordre des 15 jours. En raison de la nébulosité quasi permanente en Guyane, j’ai proposé l’utilisation de la technologie satellitaire radar SAR Sentinel 1 capable d’observer le sol même à travers un épais couvert nuageux. Les résultats obtenus sur une zone d’étude de 1300 km2 atteignent un taux de détection de 100% sur l’année 2017 pour les surfaces supérieures à 1 hectare. Le retard estimé de détection est, quant à lui, conforme aux 15 jours escomptés. La classification d’occupation des sols a pour objectif la réalisation d’une cartographie annuelle d’occupation des sols distinguant le cultivé du non cultivé. La solution proposée dans ce rapport repose sur une classification supervisée à partir d’imagerie satellitaire Sentinel 2. Les résultats obtenus parviennent à une première distinction entre le cultivé et le non cultivé, mais la méthode devra être améliorée afin de permettre le traitement automatisé de multiples images et d’augmenter le nombre de classes. Note de contenu : Introduction
1- Contextualisation
2- Méthodologies
3- Analyse des résultats
ConclusionNuméro de notice : 21827 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Direction de l’alimentation, de l’agriculture et de la forêt de Guyane Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91319 Documents numériques
peut être téléchargé
Conception d’une méthode radar... - pdf auteurAdobe Acrobat PDF Crop-rotation structured classification using multi-source sentinel images and LPIS for crop type mapping / Simon Bailly (2018)
Titre : Crop-rotation structured classification using multi-source sentinel images and LPIS for crop type mapping Type de document : Article/Communication Auteurs : Simon Bailly , Auteur ; Sébastien Giordano , Auteur ; Loïc Landrieu , Auteur ; Nesrine Chehata , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : 1-Pas de projet / Conférence : IGARSS 2018, IEEE International Geoscience And Remote Sensing Symposium, observing, understanding and forecasting the dynamics of our planet 22/07/2018 27/07/2018 Valencia Espagne Proceedings IEEE Importance : pp 1950 - 1953 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] champ aléatoire conditionnel
[Termes IGN] image multitemporelle
[Termes IGN] image Sentinel-MSI
[Termes IGN] surveillance agricoleRésumé : (auteur) Automatic analysis of Sentinel image time series is recommended for monitoring agricultural land use in Europe. To improve classification capacities, we propose a temporal structured classification combining Sentinel images and former vintages of the Land-Parcel IdentAutomatic analysis of Sentinel image time series is recommended for monitoring agricultural land use in Europe. To improve classification capacities, we propose a temporal structured classification combining Sentinel images and former vintages of the Land-Parcel Identification System. Inter-annual crop rotations are learned and combined with the satellite images using a Conditional Random Field. The proposed methodology is tested on a 233 km2 study area located in France and with a 25 categories national nomenclature. The classification results are globally improved.ification System. Inter-annual crop rotations are learned and combined with the satellite images using a Conditional Random Field. The proposed methodology is tested on a 233 km2 study area located in France and with a 25 categories national nomenclature. The classification results are globally improved. Numéro de notice : C2018-054 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2018.8518427 Date de publication en ligne : 05/11/2018 En ligne : https://doi.org/10.1109/IGARSS.2018.8518427 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91343 Decision fusion of SPOT6 and multitemporal Sentinel2 images for urban area detection / Cyril Wendl (2018)
Titre : Decision fusion of SPOT6 and multitemporal Sentinel2 images for urban area detection Type de document : Article/Communication Auteurs : Cyril Wendl, Auteur ; Arnaud Le Bris , Auteur ; Nesrine Chehata , Auteur ; Anne Puissant, Auteur ; Tristan Postadjian , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : IGARSS 2018, IEEE International Geoscience And Remote Sensing Symposium, observing, understanding and forecasting the dynamics of our planet 22/07/2018 27/07/2018 Valencia Espagne Proceedings IEEE Importance : pp 1734 - 1737 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification dirigée
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification pixellaire
[Termes IGN] détection du bâti
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] réseau neuronal convolutifRésumé : (auteur) Fusion of very high spatial resolution multispectral (VHR) images and lower spatial resolution image time series with more spectral bands can improve land cover classification’ combining geometric and semantic advantages of both sources. This study presents a workflow to extract the extent of urban areas using decision-level fusion of individual classifications on Sentine12 (S2) and SPOT6 satellite images. First, both sources are classified individually in five classes, using state-of-the-art supervised classification approaches and Convolutional Neural Networks. Obtained results are merged in order to extract buildings as accurately as possible. Then, detected buildings are merged again with the S2 classification to extract urban area; a prior to be in an urban area is derived from these building objects and merged with a binary classification derived from the original S2 classification. Both fusions involve a per pixel decision level fusion followed by a contrast sensitive regularization. Numéro de notice : C2018-046 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2018.8517476 Date de publication en ligne : 05/11/2018 En ligne : https://doi.org/10.1109/IGARSS.2018.8517476 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91269 Détection de changement par imagerie radar sur les zones naturelles et agricoles en milieu tropical / Jérôme Lebreton (2018)PermalinkEstimation of surface roughness over bare agricultural soil from Sentinel-1 data / Mohammad Choker (2018)PermalinkEtude préalable à l'installation d'un coin radar sur le site de co-localisation de Calern / Guillaume Schmidt (2018)PermalinkExploring the impact of seasonality on urban land-cover mapping using multi-season sentinel-1A and GF-1 WFV images in a subtropical monsoon-climate region / Tao Zhou in ISPRS International journal of geo-information, vol 7 n° 1 (January 2018)PermalinkPermalinkFusion tardive d’images SPOT-6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl (2018)PermalinkGeometric multi-wavelet total variation for SAR image time series analysis / Abdourrahmane M. Atto (2018)PermalinkMapping grassland management intensity using Sentinel-2 satellite data / Marijke Elisabeth Bekkema in GI Forum, vol 2018 n° 1 ([01/01/2018])PermalinkPotential and limits of Sentinel-1 data for small alpine glaciers monitoring / Matthias Jauvin (2018)PermalinkQGIS in Remote Sensing, Volume 2. QGIS and applications in agriculture and forest / Nicolas Baghdadi (2018)PermalinkSatellite remote sensing of the variability of the continental hydrology cycle in the lower Mekong basin over the last two decades / Binh Pham-Duc (2018)PermalinkSentinel-2 data analysis and comparison with UAV multispectral images for precision viticulture / Frederica Nonni in GI Forum, vol 2018 n° 1 ([01/01/2018])PermalinkSentinel-2 level-1 calibration and validation status from the mission performance centre / Catherine Bouzinac (2018)PermalinkA study of the influence of the historical snow accumulation and wind effects on the extended Chajnantor plateau / Juliette Ortet (2018)PermalinkSuivi des cultures dans le périmètre du Loukkos-Maroc : Apport de la télédétection radar et optique / Siham Acharki (2018)PermalinkSuivi écologique des prairies semi-naturelles : analyse statistique de séries temporelles denses d’images satellite à haute résolution spatiale / Maylis Lopes (2018)PermalinkSynergie des données Sentinel optiques et radar pour l’observation et l’analyse de la végétation du littoral du Pays de Brest / Antoine Billey (2018)PermalinkTélédétection multispectrale et hyperspectrale des eaux littorales turbides / Morgane Larnicol (2018)PermalinkTesting, analysis and improvement of FGI-NLS Sentinel-2 data processing chain for land use applications / Emile Blettery (2018)PermalinkPermalink