Descripteur
Termes IGN > imagerie > image numérique > pixel > valeur radiométrique
valeur radiométriqueVoir aussi |
Documents disponibles dans cette catégorie (107)
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
Une nouvelle méthode de vectorisation du cadastre ancien / Antony Chalais in Géomatique expert, n° 129 (août - septembre 2019)
[article]
Titre : Une nouvelle méthode de vectorisation du cadastre ancien Type de document : Article/Communication Auteurs : Antony Chalais, Auteur ; Jean-Michel Follin, Auteur ; Elisabeth Simonetto, Auteur Année de publication : 2019 Article en page(s) : pp 24 - 41 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Cadastre ancien
[Termes IGN] chaîne de traitement
[Termes IGN] GRASS
[Termes IGN] masque
[Termes IGN] niveau de gris (image)
[Termes IGN] parcellaire
[Termes IGN] planche cadastrale
[Termes IGN] post-traitement
[Termes IGN] seuillage d'image
[Termes IGN] vectorisationRésumé : (auteur) Maintenant que le parcellaire cadastral français a été numérisé (ou peu s’en faut), les chercheurs se tournent vers l’étude diachronique de ce témoin unique de la propriété foncière géolocalisée. Hélas, ce sont au moins des centaines de milliers de planches en plus ou moins bon état qu’il faudrait traiter si l’on voulait disposer d’un référentiel vectoriel comportant toutes les planches à toutes les époques. Même une approche au cas par cas d’une telle entreprise pharaonique ne pourra se faire sans l’aide de traitements automatiques. Numéro de notice : A2019-519 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93897
in Géomatique expert > n° 129 (août - septembre 2019) . - pp 24 - 41[article]Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 265-2019041 RAB Livre Centre de documentation En réserve L003 Disponible IFN-001-P002177 PER Revue Nogent-sur-Vernisson Salle périodiques Exclu du prêt Smart cartographic background symbolization for map mashups in geoportals : A proof of concept by example of landuse representation / Nadia H. Panchaud in Cartographic journal (the), Vol 56 n° 1 (February 2019)
[article]
Titre : Smart cartographic background symbolization for map mashups in geoportals : A proof of concept by example of landuse representation Type de document : Article/Communication Auteurs : Nadia H. Panchaud, Auteur ; Lorenz Hurni, Auteur Année de publication : 2019 Article en page(s) : pp 42 - 58 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] application composite
[Termes IGN] cartographie par internet
[Termes IGN] conception cartographique
[Termes IGN] géoportail
[Termes IGN] niveau de gris (image)
[Termes IGN] saturation de la couleur
[Termes IGN] sémiologie graphiqueRésumé : (Auteur) Geospatial data are now widely available to the general public thanks to geoportals and online mapping platforms. However, creating a map involves more than just combining data layers. Thus we develop cartographic functions for geoportals to support better visual hierarchy in user map mashups. This includes a couple of preparatory steps followed by a smart cartographic background symbolization derived from the original layer style. We evaluate different approaches to background symbolization: greyscale, desaturation, and smart background. The different background symbolization methods are analysed with two concrete map examples and evaluated with a survey. The smart background symbolization developed in this work improves the visual hierarchy of the map mashup by reducing the visual importance of the background layers. Numéro de notice : A2019-447 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00087041.2017.1414019 Date de publication en ligne : 16/11/2018 En ligne : https://doi.org/10.1080/00087041.2017.1414019 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92793
in Cartographic journal (the) > Vol 56 n° 1 (February 2019) . - pp 42 - 58[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 030-2019011 RAB Revue Centre de documentation En réserve L003 Disponible A greyscale voxel model for airborne lidar data applied to building detection / Liying Wang in Photogrammetric record, vol 33 n° 164 (December 2018)
[article]
Titre : A greyscale voxel model for airborne lidar data applied to building detection Type de document : Article/Communication Auteurs : Liying Wang, Auteur ; Yuanding Zhao, Auteur ; Yu Li, Auteur Année de publication : 2018 Article en page(s) : pp 470 - 490 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] niveau de gris (image)
[Termes IGN] semis de points
[Termes IGN] toit
[Termes IGN] voxelRésumé : (Auteur) The existing binary voxel model algorithm for 3D building detection (3BD) from airborne lidar cannot distinguish between connected buildings and non‐buildings. As a result, a greyscale voxel structure model, using the discretised mean intensity of lidar points, is presented to support subsequent building detection in areas where buildings are adjacent to non‐buildings but with different greyscales. The resulting 3BD algorithm first detects a building roof by selecting voxels characterised by a jump in elevation as seeds, labelling them and their 3D connected regions as rooftop voxels. Then voxels which fall into buffers and possess similar greyscales to that of the corresponding building outline are assigned as building façades. The results for detected buildings are evaluated using lidar data with different densities and demonstrate a high rate of success. Numéro de notice : A2018-622 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/phor.12266 Date de publication en ligne : 10/01/2019 En ligne : https://doi.org/10.1111/phor.12266 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92866
in Photogrammetric record > vol 33 n° 164 (December 2018) . - pp 470 - 490[article]3-D deep learning approach for remote sensing image classification / Amina Ben Hamida in IEEE Transactions on geoscience and remote sensing, vol 56 n° 8 (August 2018)
[article]
Titre : 3-D deep learning approach for remote sensing image classification Type de document : Article/Communication Auteurs : Amina Ben Hamida, Auteur ; Alexandre Benoit, Auteur ; Patrick Lambert, Auteur ; Chokri Ben Amar, Auteur Année de publication : 2018 Article en page(s) : pp 4420 - 4434 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] image hyperspectrale
[Termes IGN] qualité géométrique (image)
[Termes IGN] valeur radiométriqueRésumé : (Auteur) Recently, a variety of approaches have been enriching the field of remote sensing (RS) image processing and analysis. Unfortunately, existing methods remain limited to the rich spatiospectral content of today's large data sets. It would seem intriguing to resort to deep learning (DL)-based approaches at this stage with regard to their ability to offer accurate semantic interpretation of the data. However, the specificity introduced by the coexistence of spectral and spatial content in the RS data sets widens the scope of the challenges presented to adapt DL methods to these contexts. Therefore, the aim of this paper is first to explore the performance of DL architectures for the RS hyperspectral data set classification and second to introduce a new 3-D DL approach that enables a joint spectral and spatial information process. A set of 3-D schemes is proposed and evaluated. Experimental results based on well-known hyperspectral data sets demonstrate that the proposed method is able to achieve a better classification rate than state-of-the-art methods with lower computational costs. Numéro de notice : A2018-470 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2018.2818945 Date de publication en ligne : 20/04/2018 En ligne : https://doi.org/10.1109/TGRS.2018.2818945 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91252
in IEEE Transactions on geoscience and remote sensing > vol 56 n° 8 (August 2018) . - pp 4420 - 4434[article]Classification of aerial photogrammetric 3D point clouds / Carlos Becker in Photogrammetric Engineering & Remote Sensing, PERS, vol 84 n° 5 (mai 2018)
[article]
Titre : Classification of aerial photogrammetric 3D point clouds Type de document : Article/Communication Auteurs : Carlos Becker, Auteur ; E. Rosinskaya, Auteur ; N. Häni, Auteur ; E. d' Angelo, Auteur ; Christoph Strecha, Auteur Année de publication : 2018 Article en page(s) : pp 287 - 295 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique
[Termes IGN] attribut sémantique
[Termes IGN] image aérienne
[Termes IGN] information sémantique
[Termes IGN] modèle numérique de terrain
[Termes IGN] orthoimage
[Termes IGN] Pix4D
[Termes IGN] semis de points
[Termes IGN] valeur radiométriqueRésumé : (Auteur) We present a powerful method to extract per-point semantic class labels from aerial photogrammetry data. Labeling this kind of data is important for tasks such as environmental modeling, object classification, and scene understanding. Unlike previous point cloud classification methods that rely exclusively on geometric features, we show that incorporating color information yields a significant increase in accuracy in detecting semantic classes. We test our classification method on four real-world photogrammetry datasets that were generated with Pix4Dmapper, and with varying point densities. We show that off-the-shelf machine learning techniques coupled with our new features allow us to train highly accurate classifiers that generalize well to unseen data, processing point clouds containing 10 million points in less than three minutes on a desktop computer. We also demonstrate that our approach can be used to generate accurate Digital Terrain Models, outperforming approaches based on more simple heuristics such as Maximally Stable Extremal Regions. Numéro de notice : A2018-161 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.84.5.287 Date de publication en ligne : 01/05/2018 En ligne : https://doi.org/10.14358/PERS.84.5.287 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89793
in Photogrammetric Engineering & Remote Sensing, PERS > vol 84 n° 5 (mai 2018) . - pp 287 - 295[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2018051 RAB Revue Centre de documentation En réserve L003 Disponible Deep supervised and contractive neural network for SAR image classification / Jie Geng in IEEE Transactions on geoscience and remote sensing, vol 55 n° 4 (April 2017)PermalinkBlending zone determination for aerial orthimage mosaicking / Chao-Hung Lin in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkSatellite images analysis for shadow detection and building height estimation / Gregoris Liasis in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)PermalinkVector attribute profiles for hyperspectral image classification / Erchan Aptoula in IEEE Transactions on geoscience and remote sensing, vol 54 n° 6 (June 2016)PermalinkRemote sensing image segmentation by combining spectral and texture features / H. Li in IEEE Transactions on geoscience and remote sensing, vol 52 n° 1 tome 1 (January 2014)PermalinkRestoration of information obscured by mountainous shadows through Landsat TM/ETM+ images without the use of DEM data : A new method / Yuan Zhou in IEEE Transactions on geoscience and remote sensing, vol 52 n° 1 tome 1 (January 2014)PermalinkDécision cumulative pour la vision dynamique des systèmes / Samia Bouchafa in Revue Française de Photogrammétrie et de Télédétection, n° 202 (Avril 2013)PermalinkTopological gradient connection analysis for feature detection / Chao-Yuan Lo in Photogrammetric record, vol 28 n° 141 (March - May 2013)PermalinkEstimating tropical forest biomass with a combination of SAR image texture and Landsat TM data: An assessment of predictions between regions / M. Cutler in ISPRS Journal of photogrammetry and remote sensing, vol 70 (June 2012)PermalinkReview of geometric and radiometric analyses of paintings / Fabio Remondino in Photogrammetric record, vol 26 n° 136 (December 2011 - February 2012)Permalink