Centre dedocumentation
scientifique

Land use/land cover mapping from airborne hyperspectral images with machine learning algorithms and contextual information / Ozlem Akar in Geocarto international, vol 37 n° 22 ([10/10/2022])  

Public [article]  inGeocarto international > vol 37 n° 22 [10/10/2022] . - pp 6643 - 6670 Titre : Land use/land cover mapping from airborne hyperspectral images with machine learning algorithms and contextual information Type de document : Article/Communication Auteurs : Ozlem Akar, Auteur ; Esra Tunc Gormus, Auteur Année de publication : 2022 Article en page(s) : pp 6643 - 6670 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] carte d'occupation du sol [Termes IGN] carte de la végétation [Termes IGN] classification orientée objet [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] filtre de Gabor [Termes IGN] image hyperspectrale [Termes IGN] matrice de co-occurrence [Termes IGN] niveau de gris (image) [Termes IGN] texture d'image [Termes IGN] transformation en ondelettes [Termes IGN] Turquie Résumé : (auteur) Land use and Land cover (LULC) mapping is one of the most important application areas of remote sensing which requires both spectral and spatial resolutions in order to decrease the spectral ambiguity of different land cover types. Airborne hyperspectral images are among those data which perfectly suits to that kind of applications because of their high number of spectral bands and the ability to see small details on the field. As this technology has newly developed, most of the image processing methods are for the medium resolution sensors and they are not capable of dealing with high resolution images. Therefore, in this study a new framework is proposed to improve the classification accuracy of land use/cover mapping applications and to achieve a greater reliability in the process of mapping land use map using high resolution hyperspectral image data. In order to achieve it, spatial information is incorporated together with spectral information by exploiting feature extraction methods like Grey Level Co-occurrence Matrix (GLCM), Gabor and Morphological Attribute Profile (MAP) on dimensionally reduced image with highest accuracy. Then, machine learning algorithms like Random Forest (RF) and Support Vector Machine (SVM) are used to investigate the contribution of texture information in the classification of high resolution hyperspectral images. In addition to that, further analysis is conducted with object based RF classification to investigate the contribution of contextual information. Finally, overall accuracy, producer’s/user’s accuracy, the quantity and allocation based disagreements and location and quantity based kappa agreements are calculated together with McNemar tests for the accuracy assessment. According to our results, proposed framework which incorporates Gabor texture information and exploits Discrete Wavelet Transform based dimensionality reduction method increase the overall classification accuracy up to 9%. Amongst individual classes, Gabor features boosted classification accuracies of all the classes (soil, road, vegetation, building and shadow) to 7%, 6%, 6%, 8%, 9%, and 24% respectively with producer’s accuracy. Besides, 17% and 10% increase obtained in user’s accuracy with MAP (area) feature in classifying road and shadow classes respectively. Moreover, when the object based classification is conducted, it is seen that the OA of pixel based classification is increased further by 1.07%. An increase between 2% and 4% is achieved with producer’s accuracy in soil, vegetation and building classes and an increase between 1% and 3% is achieved by user’s accuracy in soil, road, vegetation and shadow classes. In the end, accurate LULC map is produced with object based RF classification of gabor features added airborne hyperspectral image which is dimensionally reduced with DWT method. Numéro de notice : A2022-729 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2021.1944453 Date de publication en ligne : 09/11/2021 En ligne : https://doi.org/10.1080/10106049.2021.1944453 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101675 [article]

Investigation of recognition and classification of forest fires based on fusion color and textural features of images / Cong Li in Forests, vol 13 n° 10 (October 2022)  

Public [article]  inForests > vol 13 n° 10 (October 2022) . - n° 1719 Titre : Investigation of recognition and classification of forest fires based on fusion color and textural features of images Type de document : Article/Communication Auteurs : Cong Li, Auteur ; Qiang Liu, Auteur ; Binrui Li, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 1719 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse texturale [Termes IGN] base de données d'images [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] extraction de traits caractéristiques [Termes IGN] image RVB [Termes IGN] incendie de forêt [Termes IGN] matrice de co-occurrence [Termes IGN] motif binaire local [Termes IGN] niveau de gris (image) Résumé : (auteur) An image recognition and classification method based on fusion color and textural features was studied. Firstly, the suspected forest fire region was segmented via the fusion RGB-YCbCr color spaces. Then, 10 kinds of textural features were extracted by a local binary pattern (LBP) algorithm and 4 kinds of textural features were extracted by a gray-level co-occurrence matrix (GLCM) algorithm from the suspected fire region. In terms of its application, a database of the forest fire textural feature vector of three scenes was constructed, including forest images without fire, forest images with fire, and forest images with fire-like interference. The existence of forest fires can be recognized based on the database via a support vector machine (SVM). The results showed that the method’s recognition rate for forest fires reached 93.15% and that it had a strong robustness with respect to distinguishing fire-like interference, which provides a more effective scheme for forest fire recognition. Numéro de notice : A2022-834 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/f13101719 Date de publication en ligne : 18/10/2022 En ligne : https://doi.org/10.3390/f13101719 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102030 [article]

Effective CBIR based on hybrid image features and multilevel approach / D. Latha in Multimedia tools and applications, vol inconnu (March 2022)  

Public [article]  inMultimedia tools and applications > vol inconnu (March 2022) . - pp Titre : Effective CBIR based on hybrid image features and multilevel approach Type de document : Article/Communication Auteurs : D. Latha, Auteur ; A. Geetha, Auteur Année de publication : 2022 Article en page(s) : pp Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] base de données d'images [Termes IGN] écart type [Termes IGN] espace colorimétrique [Termes IGN] image en couleur [Termes IGN] image RVB [Termes IGN] matrice de co-occurrence [Termes IGN] motif binaire local [Termes IGN] niveau de gris (image) [Termes IGN] observation multiniveaux [Termes IGN] recherche d'image basée sur le contenu [Termes IGN] saturation de la couleur [Termes IGN] texture d'image [Termes IGN] transformation intensité-teinte-saturation Résumé : (auteur) Content based image retrieval (CBIR) process can retrieve images by matching its feature set values. The proposed novel CBIR methodology called Effective CBIR based on hybrid image features and multilevel approach (CBIR_LTP_GLCM) integrates the hybrid features such as color features and texture features, along with multilevel approach. The color features such as mean and standard deviation are adopted in the proposed method to represent the global color properties of an image. This method manipulates the color input-image by processing the Hue, Saturation and Value channels of the HSV color space. This novel work is enriched with the image feature derived from Local Ternary Pattern (LTP) in addition with GLCM. So, the proposed method CBIR_LTP_GLCM is potentially charged with meaningful modifications travelling with color image manipulation and extended image retrieval accuracy with the aid of multilevel approach. The proposed methodology is experimentally compared with the existing recent CBIR versions by using the standard database such as Corel-1 k, and a user contributed database named DB_VEG. Numéro de notice : A2022-291 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1007/s11042-022-12588-7 Date de publication en ligne : 30/03/2022 En ligne : https://doi.org/10.1007/s11042-022-12588-7 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100337 [article]

Éléments pour l'analyse et le traitement d'images : application à l'estimation de la qualité du bois / Rémy Decelle (2022)  

Public Titre : Éléments pour l'analyse et le traitement d'images : application à l'estimation de la qualité du bois Type de document : Thèse/HDR Auteurs : Rémy Decelle, Auteur ; Isabelle Debled-Rennesson, Auteur ; Fleur Longuetaud, Auteur Editeur : Nancy, Metz : Université de Lorraine Année de publication : 2022 Importance : 214 p. Format : 21 x 30 cm Note générale : bibliographie Thèse présentée pour l'obtention du Doctorat de l'Université de Lorraine, Mention Informatique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] aubier [Termes IGN] cerne [Termes IGN] classification par nuées dynamiques [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] duramen [Termes IGN] filtre [Termes IGN] grume [Termes IGN] morphologie mathématique [Termes IGN] niveau de gris (image) [Termes IGN] optimisation par colonie de fourmis [Termes IGN] qualité du bois [Termes IGN] représentation discrète [Termes IGN] segmentation d'image [Termes IGN] seuillage Index. décimale : THESE Thèses et HDR Résumé : (auteur) Dans le contexte du changement climatique et de son atténuation, du développement de la bioéconomie circulaire, et d'une pression accrue qui en découle sur la ressource en bois, un des axes de recherche prioritaire est l'optimisation de la transformation de cette ressource qui peut se faire à différents niveaux. L'objectif ici est d'extraire des informations sur la qualité du bois à partir de l'analyse de sections transversales du grumes ou billons de bois en forêt ou en scierie. Pour estimer cette qualité, plusieurs caractéristiques visibles peuvent être extraites : zones d'aubier et de duramen, position de la moelle et du centre géométrique, le nombre de cernes et leur largeur. Dans un premier temps, nous nous intéressons à la segmentation de la grume dans l'image. Cette segmentation rend plus simple l'analyse des autres caractéristiques et permet de localiser le centre géométrique. Pour cela, nous proposons plusieurs approches. D'abord, des méthodes classiques issues du traitement d'images sont abordées, comme la méthode des K-Means ou les contours actifs. Nous utilisons également des réseaux de neurones convolutifs. Nous montrons l'avantage des réseaux de neurones par rapport à ces deux autres méthodes. La deuxième caractéristique estimée est la zone de duramen (zone centrale plus colorée). Nous proposons une nouvelle couche d'attention pour les réseaux de neurones utilisant la morphologie mathématique moins souvent utilisée. Les couches d'attention ont permis aux réseaux d'être plus performants en se focalisant sur les informations les plus pertinentes. Dans notre cadre, l'objectif de cette couche est double : réduire la quantité de paramètres et augmenter les performances. Notre couche d'attention montre de meilleures performances par rapport à d'autres couches d'attention. Dans un troisième temps, nous proposons d'analyser les cernes. Notre méthode est en trois grandes étapes. D'abord, un lissage directionnel pour rehausser les cernes (tout en gardant au mieux les contours) et réduire à la fois la texture intracernes et les marques de sciage. Puis, un seuillage adaptatif pour déterminer les zones de cernes potentiels. Enfin, un deuxième seuillage afin d'avoir les limites de cernes. À partir de la segmentation finale, l'analyse des cernes (nombre, largeur moyenne, etc.) est rendue possible. Enfin, l'estimation de la position de la moelle est abordée. Nous proposons une nouvelle approche originale basée sur l'algorithme des colonies de fourmis pour estimer la position de la moelle. L'utilisation de cet algorithme permet de s'abstraire d'une étape habituelle, à savoir l'accumulation des normales aux tangentes des cernes. Notre méthode montre de nombreux avantages par rapport aux approches de l'état de l'art, réseaux de neurones inclus. Dans une dernière partie, nous présenterons un travail en géométrie discrète : un filtre directionnel. Il estime les segments les plus longs en tout point d'un ensemble connexe. La présentation de cet outil est fait par le biais d'un filtre. En appliquant ce filtre, nous pouvons estimer des caractéristiques géométriques à l'échelle locale. Cet outil a pour objectif d'être appliqué aux cernes. Note de contenu : Introduction 1- Techniques de segmentation 2- Segmentation : les applications aux bois 3- Nouvelles approches du traitement d’images appliquées au bois 4- Détection de la moelle dans l’image 5- Filtre directionnel discret 6- Conclusion Numéro de notice : 24061 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Université de Lorraine : 2022 Organisme de stage : Laboratoire LORIA DOI : sans En ligne : https://hal.univ-lorraine.fr/tel-03794911/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102036

Semi-automatic extraction of rural roads under the constraint of combined geometric and texture features / Hai Tan in ISPRS International journal of geo-information, vol 10 n° 11 (November 2021)  

Public [article]  inISPRS International journal of geo-information > vol 10 n° 11 (November 2021) . - pp 754 Titre : Semi-automatic extraction of rural roads under the constraint of combined geometric and texture features Type de document : Article/Communication Auteurs : Hai Tan, Auteur ; Zimo Shen, Auteur ; Jiguang Dai, Auteur Année de publication : 2021 Article en page(s) : pp 754 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] appariement d'images [Termes IGN] chemin rural [Termes IGN] Chine [Termes IGN] coefficient de corrélation [Termes IGN] contrainte géométrique [Termes IGN] corrélation croisée normalisée [Termes IGN] courbure [Termes IGN] extraction de traits caractéristiques [Termes IGN] extraction semi-automatique [Termes IGN] image à haute résolution [Termes IGN] modèle de simulation [Termes IGN] niveau de gris (image) [Termes IGN] route [Termes IGN] texture d'image Résumé : (auteur) The extraction of road information from high-resolution remotely-sensed images has important application value in many fields. Rural roads have the characteristics of relatively narrow widths and diversified pavement materials; these characteristics can easily lead to problems involving the similarity of the road texture with the texture of surrounding objects and make it difficult to improve the automation of traditional high-precision road extraction methods. Based on this background, a semi-automatic rural road extraction method constrained by a combination of geometric and texture features is proposed in this paper. First, an adaptive road width extraction model is proposed to improve the accuracy of the initial road centre point. Then, aiming at the continuous change of curvature of rural roads, a tracking direction prediction model is proposed. Finally, a matching model under geometric texture constraints is proposed, which solves the problem of similarity between road and neighbourhood texture to a certain extent. The experimental results show that by selecting different types of experimental scenes or remotely sensed image data, compared with other methods, the proposed method can not only guarantee the road extraction accuracy but also improve the degree of automation to a certain extent. Numéro de notice : A2021-850 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi10110754 Date de publication en ligne : 09/11/2021 En ligne : https://doi.org/10.3390/ijgi10110754 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99009 [article]

Remote sensing image colorization using symmetrical multi-scale DCGAN in YUV color space / Min Wu in The Visual Computer, vol 37 n° 7 (July 2021)  

Permalink

Extraction of sea ice cover by Sentinel-1 SAR based on support vector machine with unsupervised generation of training data / Xiao-Ming Li in IEEE Transactions on geoscience and remote sensing, vol 59 n° 4 (April 2021)  

Permalink

Extraction of built-up areas from Landsat-8 OLI data based on spectral-textural information and feature selection using support vector machine method / Vijendra Singh Bramhe in Geocarto international, vol 35 n° 10 ([01/08/2020])  

Permalink

A water identification method basing on grayscale Landsat 8 OLI images / Zhitian Deng in Geocarto international, vol 35 n° 7 ([15/05/2020])  

Permalink

A point cloud feature regularization method by fusing judge criterion of field force / Xijiang Chen in IEEE Transactions on geoscience and remote sensing, vol 58 n° 5 (May 2020)  

Permalink

Extracting impervious surfaces from full polarimetric SAR images in different urban areas / Sara Attarchi in International Journal of Remote Sensing IJRS, vol 41 n° 12 (20 - 30 March 2020)  

Permalink

Robust multisource remote sensing image registration method based on scene shape similarity / Ming Hao in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 10 (October 2019)  

Permalink

Individual tree crown segmentation in tropical peat swamp forest using airborne hyperspectral data / Sitinor Atikah Nordin in Geocarto international, vol 34 n° 11 ([15/08/2019])  

Permalink

Une nouvelle méthode de vectorisation du cadastre ancien / Antony Chalais in Géomatique expert, n° 129 (août - septembre 2019)

Permalink

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)  

Permalink