Descripteur
Documents disponibles dans cette catégorie (230)
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 : Flood forecasting using machine learning methods Type de document : Monographie Auteurs : Fi-John Chang, Éditeur scientifique ; Kuolin Hsu, Éditeur scientifique ; Li-Chiu Chang, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2019 Importance : 376 p. Format : 17 x 25 cm ISBN/ISSN/EAN : 978-3-03897-548-9 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] image à haute résolution
[Termes IGN] inondation
[Termes IGN] modèle de simulation
[Termes IGN] modèle hydrographique
[Termes IGN] optimisation (mathématiques)
[Termes IGN] prévention des risques
[Termes IGN] réseau neuronal artificiel
[Termes IGN] ruissellementRésumé : (éditeur) Nowadays, the degree and scale of flood hazards has been massively increasing as a result of the changing climate, and large-scale floods jeopardize lives and properties, causing great economic losses, in the inundation-prone areas of the world. Early flood warning systems are promising countermeasures against flood hazards and losses. A collaborative assessment according to multiple disciplines, comprising hydrology, remote sensing, and meteorology, of the magnitude and impacts of flood hazards on inundation areas significantly contributes to model the integrity and precision of flood forecasting. Methodologically oriented countermeasures against flood hazards may involve the forecasting of reservoir inflows, river flows, tropical cyclone tracks, and flooding at different lead times and/or scales. Analyses of impacts, risks, uncertainty, resilience, and scenarios coupled with policy-oriented suggestions will give information for flood hazard mitigation. Emerging advances in computing technologies coupled with big-data mining have boosted data-driven applications, among which Machine Learning technology, with its flexibility and scalability in pattern extraction, has modernized not only scientific thinking but also predictive applications. This book explores recent Machine Learning advances on flood forecast and management in a timely manner and presents interdisciplinary approaches to modelling the complexity of flood hazards-related issues, with contributions to integrative solutions from a local, regional or global perspective. Note de contenu : Preface
1- Building an intelligent hydroinformatics integration platform for regional flood inundation warning systems
2- Flood prediction using machine learning models: Literature review
3- Forward prediction of runoff data in data-scarce basins with an improved ensemble empirical mode decomposition (EEMD) model
4- Extraction of urban water bodies from high-resolution remote-sensing imagery using
deep learning
5- Data pre-analysis and ensemble of various artificial neural networks for monthly
streamflow forecasting
6- Physical hybrid neural network model to forecast typhoon floods
7- Improving the Muskingum flood routing method using a hybrid of particle swarm
optimization and bat algorithm
8- Flood hydrograph prediction using machine learning methods
9- Flood routing in river reaches using a three-parameter Muskingum model coupled with an improved bat algorithm
10- New hybrids of ANFIS with several optimization algorithms for flood susceptibility modeling
11- Building ANN-based regional multi-step-ahead flood inundation forecast models
12- Identifying the sensitivity of ensemble streamflow prediction by artificial intelligence
13- Flood forecasting based on an improved extreme learning machine model combined with the backtracking search optimization algorithm
14- Dongting Lake water level forecast and its relationship with the three gorges dam based on a long short-term memory network
15- Multi-objective parameter estimation of improved Muskingum model by wolf pack algorithm and its application in Upper Hanjiang River, China
16- Flash-flood forecasting in an Andean mountain catchment—development of a step-wise
methodology based on the random forest algorithm
17- Deep learning with a long short-term memory networks approach for rainfall-runoff
simulation
18- Flood routing model with particle filter-based data assimilation for flash flood forecasting in the micro-model of lower Yellow River, China
19- Application of artificial neural networks for accuracy enhancements of real-time flood forecasting in the Imjin BasinNuméro de notice : 25927 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Monographie En ligne : https://doi.org/10.3390/books978-3-03897-549-6 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96181 Machine learning and geographic information systems for large-scale mapping of renewable energy potential / Dan Assouline (2019)
Titre : Machine learning and geographic information systems for large-scale mapping of renewable energy potential Type de document : Thèse/HDR Auteurs : Dan Assouline, Auteur ; Jean-Louis Scartezzini, Directeur de thèse ; Nahid Mohajeri Pour Rayeni, Directeur de thèse Editeur : Lausanne : Ecole Polytechnique Fédérale de Lausanne EPFL Année de publication : 2019 Importance : 294 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du grade de Docteur ès Sciences à l'Ecole Polytechnique Fédérale de LausanneLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] apprentissage automatique
[Termes IGN] carte thématique
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] données météorologiques
[Termes IGN] données topographiques
[Termes IGN] énergie éolienne
[Termes IGN] énergie géothermique
[Termes IGN] énergie renouvelable
[Termes IGN] énergie solaire
[Termes IGN] méthode fondée sur le noyau
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] occupation du sol
[Termes IGN] prédiction
[Termes IGN] SuisseIndex. décimale : THESE Thèses et HDR Résumé : (auteur) A promising pathway to follow in order to reach sustainable development goals is an increased
reliance on renewable sources of energy. The optimized use of these energy sources, however, requires the assessment of their potential supply, along with the demand loads in locations of interest. In particular, large-scale supply estimation studies are needed in order to evaluate areas of high potential for each type of energy source for a particular region, and allow for the elaboration of efficient global energy strategies. In Switzerland, the “Energy Strategy 2050”, initiated in 2011 by the Swiss Federal Council, sets an example with the ambitious goal of reaching a 50-80% reduction of CO2 emissions by the year 2050, with a clear course of action: phasing-out nuclear power, improving energy efficiency, and greatly increasing the use of renewables. This thesis develops a general data-driven strategy combining Geographic Information Systems and Machine Learning methods to map the large-scale energy potential for three very popular sources of decentralized energy systems: wind energy (using horizontal axis wind turbines), geothermal energy (using very shallow ground source heat pumps) and solar energy (using photovoltaic solar panels over rooftops). For each of the three considered energy sources, an adapted methodology is suggested to assess its large-scale potential, by estimating multiple variables of interest (with a suitable time resolution, e.g. monthly or yearly), using widely available data, and combining these variables into potential values. These latter estimated variables, dictating the potential, include: (i) the monthly wind speed, and rural and urban topographic/obstacle configuration for wind energy, (ii) the ground thermal conductivity, volumetric heat capacity and monthly temperature gradient for geothermal energy, (iii) the monthly solar radiation, available area for PV panels over rooftops, geometrical characteristics of rooftops and monthly shading factors over rooftops for solar energy. The use of Machine Learning algorithms (notably Support Vector Machines and Random Forests) allows, given adequate features and training data (examples for some locations), for the prediction of the latter variables at unknown locations, along with the uncertainty attached to the predictions. In each case, the developed methodology is set-up with an aim to be applied for Switzerland, meaning that it relies on Swiss available energy-related data. Such data, however, including meteorological, topographic, ground/soil-related and building-related data, is becoming progressively available for most countries, making it possible to widely generalize the proposed methodologies.
Results show that Machine Learning is adequate for energy potential estimation, as the multiple required predictions and spatial extrapolations are achieved with reasonable accuracy. In addition, final values are validated with other existing data or studies when possible, and show general agreement. The application of the suggested potential methodologies in Switzerland outline the very significant potential for the considered renewables. In particular, there is a relatively high potential for RooftopMounted solar PV panels, as it is estimated that they could generate a total electricity production of 16.3 TWh per year, which corresponds to 25.3% of the annual electricity demand in 2017.In each case, the developed methodology is set-up with an aim to be applied for Switzerland, meaning that it relies on Swiss available energy-related data. Such data, however, including meteorological, topographic, ground/soil-related and building-related data, is becoming progressively available for most countries, making it possible to widely generalize the proposed methodologies. Results show that Machine Learning is adequate for energy potential estimation, as the multiple required predictions and spatial extrapolations are achieved with reasonable accuracy. In addition, final values are validated with other existing data or studies when possible, and show general agreement. The application of the suggested potential methodologies in Switzerland outline the very significant potential for the considered renewables. In particular, there is a relatively high potential for RooftopMounted solar PV panels, as it is estimated that they could generate a total electricity production of 16.3 TWh per year, which corresponds to 25.3% of the annual electricity demand in 2017.Note de contenu : 1- Introduction
2- Machine Learning
3- Theory and modeling of renewable energy systems
4- Wind energy: a theoretical potential estimation
5- Very shallow geothermal energy: a theoretical potential estimation
6- Solar energy: a technical potential estimation at commune scale
7- Solar energy: an improved potential estimation at pixel scale
8- ConclusionNuméro de notice : 25797 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences : EPFLausanne : 2019 nature-HAL : Thèse DOI : sans En ligne : https://infoscience.epfl.ch/record/264971?ln=fr Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95038 Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)
Titre : Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs Type de document : Thèse/HDR Auteurs : Yann Méneroux , Auteur ; Sébastien Mustière , Directeur de thèse ; Guillaume Saint Pierre, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2019 Importance : 292 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Paris Est dans le cadre de l'Ecole Doctorale Mathématiques et STIC, Signal, Image, AutomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] appariement de cartes
[Termes IGN] autocorrélation spatiale
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] décomposition empirique du signal
[Termes IGN] détection automatique
[Termes IGN] données GPS
[Termes IGN] modèle mathématique
[Termes IGN] navigation pédestre
[Termes IGN] ondelette de Haar
[Termes IGN] récepteur GPS
[Termes IGN] régression par quantile
[Termes IGN] réseau neuronal convolutif
[Termes IGN] sécurité routière
[Termes IGN] segmentation d'image
[Termes IGN] signalisation routière
[Termes IGN] trace GPS
[Termes IGN] vitesse de déplacementIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Avec la démocratisation des appareils connectés équipés d'un récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles, notamment via les flottes de véhicules professionnels et les applications mobiles collaboratives de navigation et d'assistance à la conduite. Récemment, les techniques dites de map inference, visant à dériver de l'information cartographique à partir de ces traces GPS, tendent à compléter, voire à remplacer les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants, et en particulier pour construire une base de données numérique de la signalisation verticale. La connaissance fine et exhaustive de l'infrastructure routière est un prérequis indispensable dans de nombreux domaines : pour les gestionnaires de réseaux et les décideurs dans le cadre de travaux d'aménagement, pour les usagers avec le calcul précis des temps de parcours, mais aussi, plus récemment, dans le cadre du véhicule autonome. Dans ce contexte, les méthodes d'apprentissage statistique apportent une perspective intéressante et garantissent l’adaptabilité de l'approche aux différents cas d'utilisation et à la grande variabilité des données rencontrées en pratique. L'objectif de ce travail de thèse est d'étudier le potentiel de cette classe de méthodes, pour la détection automatique de la signalisation routière, en temps différé, à partir d'un ensemble de profils de vitesse GPS. Le premier cas d'application est celui de la détection des feux de circulation, étendu par la suite a d'autre types de signalisation comme les passages piétons. En premier lieu, nous travaillons sur un jeu de données expérimental de haute qualité, à l'aide duquel nous étudions les performances de plusieurs classifieurs et nous comparons deux représentations mathématiques des données : une approche classique de reconnaissance d'image et une approche fonctionnelle consistant à agréger et à décomposer les signaux de profils de vitesses sur une base d'ondelettes de Haar. Les résultats obtenus montrent la pertinence de l'approche fonctionnelle, en particulier lorsqu'elle est combinée à l'algorithme des forêts aléatoires, en termes de fiabilité de détection et de temps de calcul. L'approche est alors appliquée sur d'autres types d'éléments de l'infrastructure. Dans un second temps, nous tentons d'adapter la méthode proposée sur le cas de données observationnelles, i.e. acquises en environnement non-contrôlé, pour lesquelles nous cherchons également à estimer la position des feux de signalisation par régression statistique. Les résultats montrent la sensibilité de l'approche axe sur l'apprentissage face à des données fortement bruitées ainsi que la difficulté liée à la définition de l'emprise spatiale des instances individuelles sur un réseau routier complexe. Nous tentons de lever ce second verrou à l'aide d'approches globales fondées sur une segmentation d'image par réseau de neurones convolutionnel. Enfin, nous expérimentons une approche permettant d'exploiter. L'autocorrélation spatiale des variables cibles sur les instances individuelles à l'aide de la topologie du graphe routier et en modélisant la zone d'étude sous forme d'un champ de Markov conditionnel. Les résultats obtenus montrent une amélioration des performances de détection par rapport à l'apprentissage non-structuré. Ces travaux de thèse ont également suscité le développement de méthodes originales de prétraitement des trajectoires GPS (filtrage, interpolation, débiaisage et recalage sur un réseau routier de référence) ainsi que l'élaboration de critères objectifs d'évaluation de la qualité de ces pré-traitements. Note de contenu : 1- Cadre général et enjeux de la thèse
2- Méthodes et algorithmes pour le pré-traitement des trajectoires GPS
3- Comparaison des approches image et fonctionnelle en conditions expérimentale
4- Etude du potentiel des méthodes d'apprentissage sur un cas opérationnel
5- Approches globales : réseaux de neurones artificiels et apprentissage structuréNuméro de notice : 25687 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Automatique : Paris-Est : 2019 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/02/2020 En ligne : https://theses.hal.science/tel-02493936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94716 Méthodes d'exploitation de données historiques pour la production de cartes d'occupation des sols à partir d'images de télédétection et en absence de données de référence de la période à cartographier / Benjamin Tardy (2019)
Titre : Méthodes d'exploitation de données historiques pour la production de cartes d'occupation des sols à partir d'images de télédétection et en absence de données de référence de la période à cartographier Type de document : Thèse/HDR Auteurs : Benjamin Tardy, Auteur ; Jordi Inglada, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2019 Importance : 228 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du doctorat de l'Université Toulouse 3 Paul Sabatier, Spécialité Surfaces et interfaces continentales, HydrologieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] aménagement du territoire
[Termes IGN] apprentissage automatique
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification de Dempster-Shafer
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] croissance urbaine
[Termes IGN] fusion de données
[Termes IGN] historique des données
[Termes IGN] image Formosat/COSMIC
[Termes IGN] image Sentinel-MSI
[Termes IGN] série temporelleIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L'étude des surfaces continentales constitue un enjeu majeur à l'échelle mondiale pour le suivi et la gestion des territoires, notamment en matière de répartition entre l'expansion urbaine, terres agricoles et espaces naturels. Dans ce contexte, les cartes d'OCcupation des Sols (OCS) caractérisant la couverture biophysique des terres émergées sont un atout essentiel pour l'analyse des surfaces continentales. Les algorithmes de classification supervisée permettent, à partir de séries temporelles annuelles d'images satellites et de données de référence, de produire automatiquement la carte de la période correspondante. Cependant, les données de référence sont une information coûteuse à obtenir surtout sur de grandes étendues. En effet, les campagnes de relevés terrain requièrent un fort coût humain, et les bases de données sont associées à de longs délais de mises à jour. De plus, ces données de référence disposent d'une validité limitée à la période correspondante, en raison des changements d'OCS. Ces changements concernent essentiellement l'expansion urbaine au détriment des surfaces naturelles, et les terres agricoles soumises à la rotation des cultures. L'objectif général de la thèse vise à proposer des méthodes de production de cartes d'OCS sans exploiter les données de référence de la période correspondante. Les travaux menés s'appuient sur un historique d'OCS. Cet historique regroupe toutes les informations disponibles pour la zone concernée : cartes d'OCS, séries temporelles, données de référence, modèles de classification, etc. Une première partie des travaux considère que l'historique ne contient qu'une seule période. Ainsi, nous avons proposé un protocole de classification naïve permettant d'exploiter un classifieur déjà entraîné sur une nouvelle période. Les performances obtenues ont montré que cette approche se révèle insuffisante, requérant ainsi des méthodes plus performantes. L'adaptation de domaine permet d'aborder ce type de problématique. Nous avons considéré deux approches : la projection de données via une analyse canonique des corrélations et le transport optimal. Ces deux approches permettent de projeter les données de l'historique afin de réduire les différences avec l'année à traiter. Néanmoins ces approches offrent des résultats équivalents à la classification naïve pour des coûts de production bien plus significatifs. Une seconde partie des travaux considère que l'historique contient au moins deux périodes de données. À partir des cartes supervisées de ces périodes précédentes, nous proposons une approche de mise à jour de la carte la plus récente, en modélisant les transitions des classes d'OCS. Nous avons également proposé l'utilisation d'un classifieur unique entraîné à partir de plusieurs périodes de l'historique. L'objectif de ce classifieur consiste à pouvoir s'adapter aux variations entre les années. Enfin nous avons mis en place des systèmes de vote afin de réaliser une fusion de classifieurs, chacun entraîné sur une période différente de l'historique. Ces systèmes offrent l'avantage d'être toujours plus performants que chaque classifieur individuellement. Nous avons comparé les performances de plusieurs approches allant du simple vote majoritaire à des fusions plus complexes: vote par confiance, vote par probabilités, vote Dempster-Shafer ainsi qu'une inférence bayésienne. Ces approches produisent des performances similaires, mais pour des coûts de production variables. Nous avons expérimenté ces approches sur deux jeux de données, l'un constitué de sept années d'images Formosat-2 et l'autre de trois années d'images Sentinel-2. Le premier offre une très bonne diversité temporelle mais sur une faible emprise spatiale. Inversement, le second couvre une large zone mais pour un historique limité. Nous avons conclu que les approches du classifieur unique ainsi qu'un simple vote majoritaire offrent de bonnes performances pour des faibles coûts indépendamment du jeu de données. Note de contenu : I- Introduction
II- Présentation du problème
III- Propositions de méthodes exploitant un unique domaine Source
IV- Propositions de méthodes exploitant de multiples domaines Source
V- Mise en oeuvre des méthodes pour une production opérationnelle sur de
grandes étendues
VI ConclusionsNuméro de notice : 28509 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surfaces et interfaces continentales, Hydrologie : Toulouse 3 : 2019 Organisme de stage : CESBIO nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2019TOU30261 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97060 Segmentation d'image par intégration itérative de connaissances / Mahaman Sani Chaibou Salaou (2019)
Titre : Segmentation d'image par intégration itérative de connaissances Type de document : Thèse/HDR Auteurs : Mahaman Sani Chaibou Salaou, Auteur ; Basel Solaiman, Directeur de thèse ; Mohamed Ali Mahjoub, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique IMT Atlantique Année de publication : 2019 Autre Editeur : Université Bretagne Loire Importance : 148 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Ecole Nationale Supérieure Mines-Telecom Atlantique Bretagne Pays de la Loire, Spécialité : Signal, Image et VisionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification basée sur les régions
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] description multiniveau
[Termes IGN] détection de régions
[Termes IGN] fusion de données
[Termes IGN] interprétation automatique
[Termes IGN] réseau neuronal artificiel
[Termes IGN] segmentation d'image
[Termes IGN] superpixel
[Termes IGN] zone d'intérêtIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Le traitement d’images est un axe de recherche très actif depuis des années. L’interprétation des images constitue une de ses branches les plus importantes de par ses applications socio-économiques et scientifiques. Cependant cette interprétation, comme la plupart des processus de traitements d’images, nécessite une phase de segmentation pour délimiter les régions à analyser. En fait l’interprétation est un traitement qui permet de donner un sens aux régions détectées par la phase de segmentation. Ainsi, la phase d’interprétation ne pourra analyser que les régions détectées lors de la segmentation. Bien que l’objectif de l’interprétation automatique soit d’avoir le même résultat qu’une interprétation humaine, la logique des techniques classiques de ce domaine ne marie pas celle de l’interprétation humaine. La majorité des approches classiques d’interprétation d’images séparent la phase de segmentation et celle de l’interprétation. Les images sont d’abord segmentées puis les régions détectées sont interprétées. En plus, au niveau de la segmentation les techniques classiques parcourent les images de manière séquentielle, dans l’ordre de stockage des pixels. Ce parcours ne reflète pas nécessairement le parcours de l’expert humain lors de son exploration de l’image. En effet ce dernier commence le plus souvent par balayer l’image à la recherche d’éventuelles zones d’intérêts. Dans le cas échéant, il analyse les zones potentielles sous trois niveaux de vue pour essayer de reconnaitre de quel objet s’agit-il. Premièrement, il analyse la zone en se basant sur ses caractéristiques physiques. Ensuite il considère les zones avoisinantes de celle-ci et enfin il zoome sur toute l’image afin d’avoir une vue complète tout en considérant les informations locales à la zone et celles de ses voisines. Pendant son exploration, l’expert, en plus des informations directement obtenues sur les caractéristiques physiques de l’image, fait appel à plusieurs sources d’informations qu’il fusionne pour interpréter l’image. Ces sources peuvent inclure les connaissent acquises grâce à son expérience professionnelle, les contraintes existantes entre les objets de ce type d’images, etc. L’idée de l’approche présentée ici est que simuler l’activité visuelle de l’expert permettrait une meilleure compatibilité entre les résultats de l’interprétation et ceux de l’expert. Ainsi nous retenons de cette analyse trois aspects importants du processus d’interprétation d’image que nous allons modéliser dans l’approche proposée dans ce travail : 1. Le processus de segmentation n’est pas nécessairement séquentiel comme la plus part des techniques de segmentations qu’on rencontre, mais plutôt une suite de décisions pouvant remettre en cause leurs prédécesseurs. L’essentiel étant à la fin d’avoir la meilleure classification des régions. L’interprétation ne doit pas être limitée par la segmentation. 2. Le processus de caractérisation d’une zone d’intérêt n’est pas strictement monotone i.e. que l’expert peut aller d’une vue centrée sur la zone à vue plus large incluant ses voisines pour ensuite retourner vers la vue contenant uniquement la zone et vice-versa. 3. Lors de la décision plusieurs sources d’informations sont sollicitées et fusionnées pour une meilleure certitude. La modélisation proposée de ces trois niveaux met particulièrement l’accent sur les connaissances utilisées et le raisonnement qui mène à la segmentation des images. Note de contenu : Introduction générale
1- Segmentation pour l’interprétation de scène
2- Segmentation par propagation des connaissances
3- Croissance des régions adaptative
4- Similarité des superpixels par apprentissage
ConclusionsNuméro de notice : 25840 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image et Vision : Ecole Nationale Supérieure Mines-Telecom Atlantique : 2019 nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-02310224 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95181 Semantic aware quality evaluation of 3D building models : Modeling and simulation / Oussama Ennafii (2019)PermalinkSpatial decision support in urban environments using machine learning, 3D geo-visualization and semantic integration of multi-source data / Nikolaos Sideris (2019)PermalinkStructure from motion for ordered and unordered image sets based on random k-d forests and global pose estimation / Xin Wang in ISPRS Journal of photogrammetry and remote sensing, vol 147 (January 2019)PermalinkThe necessary yet complex evaluation of 3D city models: a semantic approach / Oussama Ennafii (2019)PermalinkUrban morpho-types classification from SPOT-6/7 imagery and Sentinel-2 time series / Arnaud Le Bris (2019)PermalinkEstimating forest canopy cover in black locust (Robinia pseudoacacia L.) plantations on the loess plateau using random forest / Qingxia Zhao in Forests, vol 9 n° 10 (October 2018)PermalinkEstimation of forest above-ground biomass by geographically weighted regression and machine learning with Sentinel imagery / Lin Chen in Forests, vol 9 n° 10 (October 2018)PermalinkObject-based crop classification using multi-temporal SPOT-5 imagery and textural features with a Random Forest classifier / Huanxue Zhang in Geocarto international, vol 33 n° 10 (October 2018)PermalinkEstimation of winter wheat crop growth parameters using time series Sentinel-1A SAR data / P. Kumar in Geocarto international, vol 33 n° 9 (September 2018)PermalinkImprovement of countrywide vegetation mapping over Japan and comparison to existing maps / Ram C. Sharma in Advances in Remote Sensing, vol 7 n° 3 (September 2018)Permalink