Centre dedocumentation
scientifique

Comparison of classification methods for urban green space extraction using very high resolution worldview-3 imagery / S. Vigneshwaran in Geocarto international, vol 36 n° 13 ([15/07/2021])  

Public [article]  inGeocarto international > vol 36 n° 13 [15/07/2021] . - pp 1429 - 1442 Titre : Comparison of classification methods for urban green space extraction using very high resolution worldview-3 imagery Type de document : Article/Communication Auteurs : S. Vigneshwaran, Auteur ; S. Vasantha Kumar, Auteur Année de publication : 2021 Article en page(s) : pp 1429 - 1442 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] carte de la végétation [Termes IGN] classification dirigée [Termes IGN] classification non dirigée [Termes IGN] classification orientée objet [Termes IGN] espace vert [Termes IGN] flore urbaine [Termes IGN] image à très haute résolution [Termes IGN] image Worldview [Termes IGN] New Delhi (Inde ; ville) [Termes IGN] Normalized Difference Vegetation Index [Termes IGN] urbanisme Résumé : (auteur) Urban green space (UGS) plays a vital role in maintaining the ecological balance of a city and in ensuring healthy living of the city inhabitants. It is generally suggested that one-third of the city should be covered by green and to ensure this, the city administrators must have an accurate map of the existing UGS. Such a map would be useful to visualize the distribution of the existing green cover and also to find out the areas that can possibly be converted to UGS. Reported studies on UGS mapping have mostly used medium and high resolution images such as Landsat-TM, ETM+, Sentinel-2A, IKONOS, etc. However, studies on the use of very high resolution images for UGS extraction are very limited. The present study is a first attempt in utilizing the very high resolution Worldview-3 image for UGS extraction. Performance of different classification methods such as unsupervised, supervised, object based and normalized difference vegetation index (NDVI) were compared using the pan sharpened Worldview-3 image covering part of New Delhi in India. It was found that the unsupervised classification followed by manual recoding method showed superior performance with overall accuracy (OA) of 99% and κ coefficient of 0.98. Also, the OA achieved in the present study is the highest when compared to other reported studies on UGS extraction. The map of UGS revealed that almost 40% of the study area is covered by green which is more than the recommended value of 33% (one-third). In order to check the universality of the unsupervised classification approach in extracting UGS, Worldview-3 image covering Rio in Brazil was tested. It was found that an OA of 98% and κ coefficient of 0.95 were obtained which clearly indicate that the proposed approach would work very well in extracting UGS from any Worldview-3 imagery. Numéro de notice : A2021-553 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1665714 Date de publication en ligne : 18/09/2019 En ligne : https://doi.org/10.1080/10106049.2019.1665714 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98104 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
059-2021131	SL	Revue	Centre de documentation	Revues en salle	Disponible

Assessing land use–land cover change and soil erosion potential using a combined approach through remote sensing, RUSLE and random forest algorithm / Siddhartho Shekhar Paul in Geocarto international, vol 36 n° 4 ([01/03/2021])  

Public [article]  inGeocarto international > vol 36 n° 4 [01/03/2021] . - pp 361 - 375 Titre : Assessing land use–land cover change and soil erosion potential using a combined approach through remote sensing, RUSLE and random forest algorithm Type de document : Article/Communication Auteurs : Siddhartho Shekhar Paul, Auteur ; Jianbing Li, Auteur ; Yubao Li, Auteur ; Lei Shen, Auteur Année de publication : 2021 Article en page(s) : pp 361 - 375 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] bassin hydrographique [Termes IGN] changement d'occupation du sol [Termes IGN] classification orientée objet [Termes IGN] classification par forêts aléatoires [Termes IGN] coupe rase (sylviculture) [Termes IGN] détection de changement [Termes IGN] érosion [Termes IGN] modèle RUSLE [Termes IGN] occupation du sol [Termes IGN] qualité des eaux [Termes IGN] utilisation du sol Résumé : (auteur) Numéro de notice : A2021-161 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2019.1614099 Date de publication en ligne : 10/06/2019 En ligne : https://doi.org/10.1080/10106049.2019.1614099 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97081 [article]

An anchor-based graph method for detecting and classifying indoor objects from cluttered 3D point clouds / Fei Su in ISPRS Journal of photogrammetry and remote sensing, vol 172 (February 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 172 (February 2021) . - pp 114 - 131 Titre : An anchor-based graph method for detecting and classifying indoor objects from cluttered 3D point clouds Type de document : Article/Communication Auteurs : Fei Su, Auteur ; Haihong Zhu, Auteur ; Taoyi Chen, Auteur Année de publication : 2021 Article en page(s) : pp 114 - 131 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] adjacence [Termes IGN] appariement de graphes [Termes IGN] arc [Termes IGN] bloc d'ancrage [Termes IGN] classification orientée objet [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] jeu de données localisées [Termes IGN] méthode du maximum de vraisemblance (estimation) [Termes IGN] noeud [Termes IGN] objet 3D [Termes IGN] orientation [Termes IGN] positionnement en intérieur [Termes IGN] semis de points Résumé : (auteur) Most of the existing 3D indoor object classification methods have shown impressive achievements on the assumption that all objects are oriented in the upward direction with respect to the ground. To release this assumption, great effort has been made to handle arbitrarily oriented objects in terrestrial laser scanning (TLS) point clouds. As one of the most promising solutions, anchor-based graphs can be used to classify freely oriented objects. However, this approach suffers from missing anchor detection since valid detection relies heavily on the completeness of an anchor’s point clouds and is sensitive to missing data. This paper presents an anchor-based graph method to detect and classify arbitrarily oriented indoor objects. The anchors of each object are extracted by the structurally adjacent relationship among parts instead of the parts’ geometric metrics. In the case of adjacency, an anchor can be correctly extracted even with missing parts since the adjacency between an anchor and other parts is retained irrespective of the area extent of the considered parts. The best graph matching is achieved by finding the optimal corresponding node-pairs in a super-graph with fully connecting nodes based on maximum likelihood. The performances of the proposed method are evaluated with three indicators (object precision, object recall and object F1-score) in seven datasets. The experimental tests demonstrate the effectiveness of dealing with TLS point clouds, RGBD point clouds and Panorama RGBD point clouds, resulting in performance scores of approximately 0.8 for object precision and recall and over 0.9 for chair precision and table recall. Numéro de notice : A2021-087 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.12.007 Date de publication en ligne : 29/12/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.12.007 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96852 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021021	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021022	DEP-RECF	Revue	Nancy	Bibliothèque Nancy IFN	Disponible

Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images / Théo Mesure (2021) 

Public Titre : Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images : Quelles possibilités d’automatisation ? Type de document : Mémoire Auteurs : Théo Mesure, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 63 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse diachronique [Termes IGN] automatisation des processus [Termes IGN] calcaire [Termes IGN] carte d'occupation du sol [Termes IGN] classification dirigée [Termes IGN] classification orientée objet [Termes IGN] classification par forêts aléatoires [Termes IGN] espèce végétale [Termes IGN] géoréférencement indirect [Termes IGN] image aérienne [Termes IGN] Moselle (57) [Termes IGN] Orfeo Tool Box [Termes IGN] pelouse [Termes IGN] protection de la biodiversité Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’analyse fine et régulière des pelouses calcaires est un enjeu majeur dans le cadre des missions de gestion et de suivi scientifique du Conservatoire d’Espaces Naturels de Lorraine. Les pelouses sont des milieux semi-naturels, soumis à des dynamiques d’embroussaillement fortes et rapides si elles ne sont pas gérées régulièrement. A l’heure actuelle, le suivi de cette dynamique au Conservatoire se fait par analyse diachronique des photos aériennes mises à disposition. Cette analyse est complétée par une cartographie de terrain. Réalisée à la main, cette méthode est pour l’heure assez chronophage. Les travaux effectués au cours de ce stage se positionnent donc dans la continuité de ces études. Au vu des moyens technologiques actuels, le Conservatoire s’interroge sur la possibilité d’automatiser les cartographies d’occupation du sol, afin d’évaluer l’embroussaillement sur ses différents sites. Pour répondre à cette problématique, deux méthodes de classification supervisée ont été développées. Elles suivent le même principe et ne différent que par les données qu’on leur fournie. La première traite des images disposant de canal proche-infrarouge, tandis que la deuxième méthode se concentre elle sur les images ne disposant que du spectre visible. Pour procéder à la classification, les images sont segmentées grâce à l’algorithme de ligne de partage des eaux. On extrait aussi un certain nombre d’informations, directes ou dérivées, de ces images. Les attributs calculés ici, ont été déterminés pour fournir les meilleurs résultats sur la détection des pelouses calcaires. Enfin les segments créés sont donnés au classifieur RandomForest, afin qu’il les ordonne selon un ensemble de classes définies au préalable. Avec les méthodes développées, le classifieur parvient à trouver entre 80% et 90% de vrai positifs pour le type d’arbuste ou de pelouse, selon les années et les données en entrée. Des pistes d’amélioration ont aussi été explorées, telles que l’ajout de données externes ou le lissage de carte. Le deuxième objectif de ce stage était de pouvoir transmettre les méthodes de classification développées au plus grand nombre. Pour cela, des manuels utilisateurs ont été écrits, détaillant chacune des étapes nécessaires. Ces manuels donnent aussi les clefs de compréhension nécessaires à l’analyse des résultats et des attributs produits. A l’issu de ce stage, les perspectives sont nombreuses. Une telle méthodologie offre la possibilité d’un suivi plus régulier et détaillé des sites du Conservatoire. L’utilisation d’une méthode de classification orientée-objet, permet de prendre en compte le travail des experts sur le terrain, ainsi que d’intégrer plus facilement ces données au classifieur. Un travail sur les classes est aussi envisageable : en dehors du bâti, une simplification des classes de végétation est possible, et permettrait de faciliter le travail sur les images anciennes. Pour les images actuelles, un travail sur la nomenclature pourrait être utile pour améliorer le niveau de détail de la carte. En s’appliquant par exemple à différencier arbustes bas, pelouse non-gérée et pelouse non-gérée mitée (i.e avec un début d’embroussaillement). Enfin la faible configuration machine requise, permet d’imaginer des utilisations par un nombre plus grand d’acteurs. Note de contenu : Introduction 1. Contexte et présentation du stage 1.1 Présentation de la structure 1.2 Enjeux et objectifs 1.3 Présentation des sites 1.4 Déroulement et organisation du stage 1.5 Données à disposition 2. Recherches effectuées et principe de la méthode 2.1 Recherche des outils 2.2 Principe de fonctionnement 3. Description et création des attributs et des segments 3.1 Attributs spectraux 3.2 Attributs de texture 3.3 Attributs géométriques 3.4 Création des segments 3.5 Création de statistiques 4. Classifieur utilisé 4.1 SVM et RandomForest 4.2 Arbre de décision 4.3 Construction et fonctionnement du RandomForest 4.4 Jeu d’entraînement, jeu de validation 5. Résultats 5.1 Classes retenues 5.2 Cartes d’occupation du sol, images récentes 5.3 Cartes d’occupation du sol, images anciennes 5.4 Evaluation détaillée du classifieur 5.5 Statistiques d’occupation du sol 6. Limites et améliorations 6.1 Limites de la méthode 6.2 Limites de la nomenclature 6.3 Limites sur le panchromatique 6.4 Limites sur le RVB ancien 6.5 Limites sur l’évaluation du classifieur 6.6 Limites sur le géoréférencement 6.7 Améliorations possibles 7. Mise à disposition pour les utilisateurs du CENL 7.1 Outils utilisés pour automatiser 7.2 Rédaction et contenu des manuels 7.3 Limites Conclusion Numéro de notice : 26620 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Conservatoire des Espaces Naturels de Lorraine CENL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98584

Documents numériques

peut être téléchargé Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images - pdf auteur Adobe Acrobat PDF

Building extraction from Lidar data using statistical methods / Haval Abdul-Jabbar Sadeq in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 1 (January 2021)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 1 (January 2021) . - pp 33 - 42 Titre : Building extraction from Lidar data using statistical methods Type de document : Article/Communication Auteurs : Haval Abdul-Jabbar Sadeq, Auteur Année de publication : 2021 Article en page(s) : pp 33 - 42 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] analyse de données [Termes IGN] classification orientée objet [Termes IGN] détection du bâti [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] étiquette [Termes IGN] extraction de traits caractéristiques [Termes IGN] Ransac (algorithme) [Termes IGN] semis de points Résumé : (Auteur) In this article, a straightforward, intuitive method for lidar data classification and building extraction, based on statistical analysis, is presented. The classification of the point cloud into ground and nonground is begun by individually testing each point within the point cloud using the statistical mean height. In this operation, various window sizes are specified, and the mean is obtained at each size. The points that are above the mean are saved and divided by the number of windows to obtain the proportion. Points are considered non-ground if their proportion is higher than the assigned threshold, and otherwise ground. An algorithm for classifying the obtained nonground point cloud into buildings and trees is also illustrated in this article. First the nonground points are labeled, then each label is tested individually. The process begins with segmenting each label. Then comes testing of whether each segment of points can be fitted within a specific plane. The label of the point cloud is considered a building if the number of segments considered as planes is larger than those considered as nonplanes; otherwise it is classified as a tree. Numéro de notice : A2021-055 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern Date de publication en ligne : 01/01/2021 En ligne : https://doi.org/10.14358/PERS.87.1.33 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96760 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2021011	SL	Revue	Centre de documentation	Revues en salle	Disponible

Bretagne, la végétation cartographiée / Marielle Mayo in Géomètre, n° 2185 (novembre 2020)

Permalink

Object-based classification of mixed forest types in Mongolia / E. Nyamjargal in Geocarto international, vol 35 n° 14 ([15/10/2020])  

Permalink

Ensemble learning for hyperspectral image classification using tangent collaborative representation / Hongjun Su in IEEE Transactions on geoscience and remote sensing, vol 58 n° 6 (June 2020)  

Permalink

Discrimination of different sea ice types from CryoSat-2 satellite data using an Object-based Random Forest (ORF) / Su Shu in Marine geodesy, Vol 43 n° 3 (May 2020)  

Permalink

Classification and segmentation of mining area objects in large-scale spares Lidar point cloud using a novel rotated density network / Yueguan Yan in ISPRS International journal of geo-information, vol 9 n° 3 (March 2020)  

Permalink

3D iterative spatiotemporal filtering for classification of multitemporal satellite data sets / Hessah Albanwan in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 1 (January 2020)  

Permalink

Analyse automatique du couvert végétal pour la gestion du risque végétation en milieu ferroviaire à partir d'imagerie aérienne / Hélène Rouillon (2020)  

Permalink

Classification of poplar trees with object-based ensemble learning algorithms using Sentinel-2A imagery / H. Tombul in Journal of geodetic science, vol 10 n° 1 (January 2020)  

Permalink

Identification of alpine glaciers in the central Himalayas using fully polarimetric L-Band SAR data / Guo-Hui Yao in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)  

Permalink

Satellite image time series classification with pixel-set encoders and temporal self-attention / Vivien Sainte Fare Garnot (2020)    

Permalink