Centre dedocumentation
scientifique

Delineation of vacant building land using orthophoto and lidar data object classification / Dejan Jenko in Geodetski vestnik, vol 63 n° 3 (September - November 2019)  

Public [article]  inGeodetski vestnik > vol 63 n° 3 (September - November 2019) . - pp 344 - 378 Titre : Delineation of vacant building land using orthophoto and lidar data object classification Type de document : Article/Communication Auteurs : Dejan Jenko, Auteur ; Mojca Foški, Auteur ; Krištof Oštir, Auteur ; Žiga Kokalj, Auteur Année de publication : 2019 Article en page(s) : pp 344 - 378 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] couche thématique [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] logement [Termes descripteurs IGN] orthoimage [Termes descripteurs IGN] Slovénie Résumé : (Auteur) Exact data about the location and area of vacant building land have been a major issue in several Slovene municipalities. This article deals with automatic vacant building land delineation. The presented methodology is based on the object-based classification that derives the land cover layer from orthophoto and laser scanning data. With post-processing and data cleaning in GIS, we create the vacant building land layer. The methodology was tested in study areas in the Municipality of Trebnje. The results were compared to the vacant building land layer generated by visual interpretation (manual vectorisation). We found that the presented methodology of automatic delineation of vacant buildings can speed up the processing and lower the cost of manual vectorisation and, in particular, data updating but we cannot completely replace manual work. Numéro de notice : A2019-500 Thématique : POSITIONNEMENT Nature : Article DOI : 10.15292/geodetski-vestnik.2019.03.344-378 En ligne : http://dx.doi.org/10.15292/geodetski-vestnik.2019.03.344-378 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93782 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
139-2019031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Exploring the synergy between Landsat and ASAR towards improving thematic mapping accuracy of optical EO data / Alexander Cass in Applied geomatics, vol 11 n° 3 (September 2019)  

Public [article]  inApplied geomatics > vol 11 n° 3 (September 2019) . - pp 277 - 288 Titre : Exploring the synergy between Landsat and ASAR towards improving thematic mapping accuracy of optical EO data Type de document : Article/Communication Auteurs : Alexander Cass, Auteur ; George P. Petropoulos, Auteur ; Konstantinos P. Ferentinos, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 277 - 288 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] Advanced Synthetic Aperture Radar [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] cartographie thématique [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] Copernicus (programme européen) [Termes descripteurs IGN] image Envisat-ASAR [Termes descripteurs IGN] image Landsat-TM [Termes descripteurs IGN] image optique [Termes descripteurs IGN] image radar [Termes descripteurs IGN] observation de la Terre [Termes descripteurs IGN] Pays de Galles [Termes descripteurs IGN] surface cultivée Résumé : (Auteur) Earth Observation (EO) provides a unique means of obtaining information on land use/cover and of its changes, which is of key importance in many scientific and practical applications. EO data is already widely used, for example, in environmental practices or decision-making related to food availability and security. As such, it is imperative to examine the suitability of different EO datasets, including their synergies, in respect to their ability to create products and tools for such practices and to guide effectively such decisions. This work aims at exploring the added value of the synergistic use of optical and radar data (from the Landsat TM and Advanced Synthetic Aperture Radar (ASAR) sensors respectively). Such information can help towards improving the accuracy of land cover classifications from EO datasets. As a case study, the region of Wales in the UK has been used. Two classifications—one based on optical data alone and another one developed from the synergy of optical and RADAR datasets acquired nearly, concurrently were developed for the studied region. Evaluation of the derived land/use cover maps was performed on the basis of the confusion matrix using validation points derived from a Phase 1 habitat map of Wales. The results showed 15% increase in overall accuracy (84% from 69%) and kappa coefficient (0.81 from 0.65) using the synergistic approach over the scenario where only optical data were used in the classification. In addition, McNemar’s test was used to assess the statistical significance of the obtained results. Results of this test provided further confirmed that the use of optical data synergistically with the radar data provides more accurate land use/cover maps in comparison with the use of optical data alone. Numéro de notice : A2019-461 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s12518-019-00258-7 date de publication en ligne : 13/04/2019 En ligne : https://doi.org/10.1007/s12518-019-00258-7 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93601 [article]

A generalized space-time OBIA classification scheme to map sugarcane areas at regional scale, using Landsat images time-series and the random forest algorithm / Ana Claudia Dos Santos Luciano in International journal of applied Earth observation and geoinformation, vol 80 (August 2019)  

Public [article]  inInternational journal of applied Earth observation and geoinformation > vol 80 (August 2019) . - pp 127-136 Titre : A generalized space-time OBIA classification scheme to map sugarcane areas at regional scale, using Landsat images time-series and the random forest algorithm Type de document : Article/Communication Auteurs : Ana Claudia Dos Santos Luciano, Auteur ; Michelle Cristina Araújo Picoli, Auteur ; Jansle Vieira Rocha, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 127-136 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] analyse spatio-temporelle [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] Brésil [Termes descripteurs IGN] carte agricole [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image Landsat [Termes descripteurs IGN] production agricole [Termes descripteurs IGN] Saccharum officinarum [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surface cultivée [Termes descripteurs IGN] zone d'intérêt Résumé : (auteur) The monitoring of sugarcane areas is important for sustainable planning and management of the sugarcane industry in Brazil. We developed an operational Object-Based Image Analysis (OBIA) classification scheme, with generalized space-time classifier, for mapping sugarcane areas at the regional scale in São Paulo State (SP). Binary random forest (RF) classification models were calibrated using multi-temporal data from Landsat images, at 10 sites located across SP. Space and time generalization were tested and compared for three approaches: a local calibration and application; a cross-site spatial generalization test with the RF model calibrated on a site and applied on other sites; and a unique space–time classifier calibrated with all sites together on years 2009–2014 and applied to the entire SP region on 2015. The local RF models Dice Coefficient (DC) accuracies at sites 1 to 8 were between 0.83 and 0.92 with an average of 0.89. The cross-site classification accuracy showed an average DC of 0.85, and the unique RF model had a DC of 0.89 when compared with a reference map of 2015. The results demonstrated a good relationship between sugarcane prediction and the reference map for each municipality in SP, with R² = 0.99 and only 5.8% error for the total sugarcane area in SP, and compared with the area inventory from the Brazilian Institute of Geography and Statistics, with R² = 0.95 and –1% error for the total sugarcane area in SP. The final unique RF model allowed monitoring sugarcane plantations at the regional scale on independent year, with efficiency, low-cost, limited resources and a precision approximating that of a photointerpretation. Numéro de notice : A2019-470 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.jag.2019.04.013 date de publication en ligne : 25/04/2019 En ligne : https://doi.org/10.1016/j.jag.2019.04.013 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93612 [article]

3D hyperspectral point cloud generation: Fusing airborne laser scanning and hyperspectral imaging sensors for improved object-based information extraction / Maximilian Brell in ISPRS Journal of photogrammetry and remote sensing, vol 149 (March 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 149 (March 2019) . - pp 200 - 214 Titre : 3D hyperspectral point cloud generation: Fusing airborne laser scanning and hyperspectral imaging sensors for improved object-based information extraction Type de document : Article/Communication Auteurs : Maximilian Brell, Auteur ; Karl Segl, Auteur ; Luis Guanter, Auteur ; Bodo Bookhagen, Auteur Année de publication : 2019 Article en page(s) : pp 200 - 214 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] analyse des mélanges spectraux [Termes descripteurs IGN] capteur hyperspectral [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] étiquetage sémantique [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] impulsion laser [Termes descripteurs IGN] niveau de détail [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] semis de points Résumé : (Auteur) Remote Sensing technologies allow to map biophysical, biochemical, and earth surface parameters of the land surface. Of especial interest for various applications in environmental and urban sciences is the combination of spectral and 3D elevation information. However, those two data streams are provided separately by different instruments, namely airborne laser scanner (ALS) for elevation and a hyperspectral imager (HSI) for high spectral resolution data. The fusion of ALS and HSI data can thus lead to a single data entity consistently featuring rich structural and spectral information. In this study, we present the application of fusing the first pulse return information from ALS data at a sub-decimeter spatial resolution with the lower-spatial resolution hyperspectral information available from the HSI into a hyperspectral point cloud (HSPC). During the processing, a plausible hyperspectral spectrum is assigned to every first-return ALS point. We show that the complementary implementation of spectral and 3D information at the point-cloud scale improves object-based classification and information extraction schemes. This improvements have great potential for numerous land-cover mapping and environmental applications. Numéro de notice : A2019-119 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.01.022 date de publication en ligne : 06/02/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.01.022 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92448 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019031	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019033	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019032	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

A light and faster regional convolutional neural network for object detection in optical remote sensing images / Peng Ding in ISPRS Journal of photogrammetry and remote sensing, vol 141 (July 2018)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 141 (July 2018) . - pp 208 - 218 Titre : A light and faster regional convolutional neural network for object detection in optical remote sensing images Type de document : Article/Communication Auteurs : Peng Ding, Auteur ; Ye Zhang, Auteur ; Wei-Jian Deng, Auteur ; Ping Jia, Auteur ; Arjan Kuijper, Auteur Année de publication : 2018 Article en page(s) : pp 208 - 218 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image terrestre [Termes descripteurs IGN] représentation multiple [Termes descripteurs IGN] réseau neuronal convolutif Résumé : (auteur) Detection of objects from satellite optical remote sensing images is very important for many commercial and governmental applications. With the development of deep convolutional neural networks (deep CNNs), the field of object detection has seen tremendous advances. Currently, objects in satellite remote sensing images can be detected using deep CNNs. In general, optical remote sensing images contain many dense and small objects, and the use of the original Faster Regional CNN framework does not yield a suitably high precision. Therefore, after careful analysis we adopt dense convoluted networks, a multi-scale representation and various combinations of improvement schemes to enhance the structure of the base VGG16-Net for improving the precision. We propose an approach to reduce the test-time (detection time) and memory requirements. To validate the effectiveness of our approach, we perform experiments using satellite remote sensing image datasets of aircraft and automobiles. The results show that the improved network structure can detect objects in satellite optical remote sensing images more accurately and efficiently. Numéro de notice : A2018-288 Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.05.005 date de publication en ligne : 14/05/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.05.005 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90403 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2018071	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2018073	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2018072	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

An object-based approach for mapping forest structural types based on low-density LiDAR and multispectral imagery / Luis Angel Ruiz in Geocarto international, vol 33 n° 5 (May 2018)  

Permalink

Object-based superresolution land-cover mapping from remotely sensed imagery / Yuehong Chen in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)  

Permalink

Utilisation de QGIS en télédétection, Ch. 2. Apports du MNT topo-bathymétrique pour l'évolution bio-géomorphologique des marais d'Ichkeul (Tunisie) / Zeineb Kassouk (2018)

Permalink

Object-based classification of terrestrial laser scanning point clouds for landslide monitoring / Andreas Mayr in Photogrammetric record, vol 32 n° 160 (December 2017)  

Permalink

Extraction du bâti sur le territoire de la wilaya de Blida (Algérie) / Siham Bougdour in Géomatique expert, n° 119 (novembre - décembre 2017)

Permalink

Robust object-based multipass InSAR deformation reconstruction / Jian Kang in IEEE Transactions on geoscience and remote sensing, vol 55 n° 8 (August 2017)  

Permalink

Mise en place d'une méthode semi-automatique de cartographie de l'occupation des sols à partir d'images SAR polarimétriques / Monique Moine in Revue Française de Photogrammétrie et de Télédétection, n° 215 (mai - août 2017)

Permalink

Unsupervised object-based differencing for land-cover change detection / Jinxia Zhu in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 3 (March 2017)  

Permalink

Contributions méthodologiques pour la caractérisation des milieux par imagerie optique et lidar / Nesrine Chehata (2017)    

Permalink

Segmentation sémantique de peuplements forestiers par analyse conjointe d’imagerie multispectrale très haute résolution et de données 3D Lidar aéroportées / Clément Dechesne (2017) 

Permalink