Centre dedocumentation
scientifique

Subpixel-pixel-superpixel-based multiview active learning for hyperspectral images classification / Yu Li in IEEE Transactions on geoscience and remote sensing, vol 58 n° 7 (July 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 7 (July 2020) . - pp 4976 - 4988 Titre : Subpixel-pixel-superpixel-based multiview active learning for hyperspectral images classification Type de document : Article/Communication Auteurs : Yu Li, Auteur ; Ting Lu, Auteur ; Shutao Li, Auteur Année de publication : 2020 Article en page(s) : pp 4976 - 4988 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme d'apprentissage [Termes descripteurs IGN] analyse infrapixellaire [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] échantillonnage [Termes descripteurs IGN] étiquette [Termes descripteurs IGN] image hyperspectrale [Termes descripteurs IGN] image multiple [Termes descripteurs IGN] superpixel Résumé : (auteur) Active learning (AL) attempts to actively select the most representative or useful training samples in an iterative manner. The aim is to simultaneously improve the classification performance and reduce the manual labeling effort. In this article, a novel subpixel-pixel-superpixel-based multiview AL (MAL) (SPS-MAL) method is proposed for hyperspectral image (HSI) classification. Here, the multiple views are generated via extracting the subpixel-level, pixel-level, and superpixel-level information. The multiple views can reflect various characteristics of HSI, i.e., spectral mixture, spectral discrimination, and spectral–spatial structure. Therefore, the joint use of diverse and complementary information in multiple views will contribute to a better identification ability of different classes. In addition, a coarse-to-fine MAL algorithm is introduced to effectively select the most representative samples with the most uncertainty. Specifically, a disagreement analysis on multiple views and joint posterior probability estimation is used to query unlabeled samples. Along with the expansion of training samples, view-specific confidence scores are estimated to adaptively integrate the classification results of multiple views, according to their discrimination performance. In this way, the classification accuracy will be further boosted while the number of necessary training samples can be significantly reduced. The experimental classification results on three well-known HSIs demonstrate the effectiveness of the proposed SPS-MAL method. Numéro de notice : A2020-392 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2971081 date de publication en ligne : 14/02/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2971081 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95388 [article]

Segmenting mangrove ecosystems drone images using SLIC superpixels / Edward Zimudzi in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 14 [30/10/2019] . - pp 1648 - 1662 Titre : Segmenting mangrove ecosystems drone images using SLIC superpixels Type de document : Article/Communication Auteurs : Edward Zimudzi, Auteur ; Ian Sanders, Auteur ; Nicholas Rollings, Auteur ; Christian Omlin, Auteur Année de publication : 2019 Article en page(s) : pp 1648 - 1662 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] algorithme de superpixels [Termes descripteurs IGN] classification par nuées dynamiques [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] écosystème [Termes descripteurs IGN] Fidji [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] mangrove [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] orthophotoplan numérique [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] SLIC algorithm Résumé : (auteur) Mangrove ecosystems play a very important ecological role on land–ocean interfaces in tropical regions. These ecosystems comprise of various tree species and aquatic animals, protecting the environment and providing a habitat that supports many living organisms including humans. The identification of image regions in mangrove ecosystems plays a significant role in ecosystem monitoring and conservation. Recent studies have suggested oversegmentation of colour images using superpixels as a solution to the segmentation of image regions. This study used the SLIC superpixel algorithm and k-means clustering to segment images taken from a camera mounted on a drone from a mangrove ecosystem in Fiji. The SLIC superpixel algorithm performed well to demarcate image regions with similar colour and texture information into patches and to use k-means for the segmentation of the whole image. These results lend support to the use of superpixel algorithms for the segmentation of mangrove ecosystems. Understanding how superpixels can be used for the segmentation of drone images will assist conservation efforts in mangrove ecosystems. Numéro de notice : A2019-539 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1497093 date de publication en ligne : 22/10/2018 En ligne : https://doi.org/10.1080/10106049.2018.1497093 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94114 [article]

Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl in Revue Française de Photogrammétrie et de Télédétection, n° 217-218 (juin - septembre 2018)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 217-218 (juin - septembre 2018) . - pp 87 - 97 Titre : Fusion tardive d’images SPOT 6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine Type de document : Article/Communication Auteurs : Cyril Wendl, Auteur ; Arnaud Le Bris , Auteur ; Nesrine Chehata , Auteur ; Anne Puissant, Auteur ; Tristan Postadjian , Auteur Année de publication : 2018 Article en page(s) : pp 87 - 97 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] contraste local [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] fusion d'images [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image SPOT 6 [Termes descripteurs IGN] image SPOT 7 [Termes descripteurs IGN] régularisation [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] surface imperméable Résumé : (auteur) La fusion d'images multispectrales à très haute résolution spatiale (THR) avec des séries temporelles d'images moins résolues spatialement mais comportant plus de bandes spectrales permet d'améliorer la classification de l'occupation du sol. Elle permet en effet de tirer le meilleur parti des points forts, respectivement, géométriques et sémantiques de ces deux sources. Le travail proposé ici s'intéresse à un processus d'extraction automatique de la tache urbaine fondé sur la fusion tardive de classifications obtenues respectivement à partir d'images satellitaires Sentinel-2 et SPOT 6/7. Ces deux sources sont d'abord analysées indépendamment selon 5 classes, respectivement par Forêt Aléatoire et réseaux de neurones convolutifs. Les résultats sont alors fusionnés afin d'extraire les bâtiments le plus finement possible. Cette étape de fusion inclut une fusion au niveau pixellaire, suivie d'une étape de régularisation spatiale intégrant un terme lié au contraste de l'image. Le résultat obtenu connaît ensuite une seconde fusion afin d'en déduire la-tache urbaine en elle-même : une mesure a priori de zone urbaine est calculée à partir des objets bâtiments détectés au préalable, puis fusionnée avec une classification binaire dérivée de la classification originale des données Sentinel-2. Les résultats montrent bien la complémentarité des deux sources de données ainsi que la pertinence de l'adoption d'une stratégie de fusion tardive. Numéro de notice : A2018-512 Affiliation des auteurs : LaSTIG MATIS+Ext Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91266 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2018021	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2018022	SL	Revue	Centre de documentation	Revues en salle	Disponible

European Forest Types: toward an automated classification / Francesca Giannetti in Annals of Forest Science [en ligne], vol 75 n° 1 (March 2018)  

Public [article]  inAnnals of Forest Science [en ligne] > vol 75 n° 1 (March 2018) Titre : European Forest Types: toward an automated classification Type de document : Article/Communication Auteurs : Francesca Giannetti, Auteur ; Anna Barbati, Auteur ; Leone Davide Mancini, Auteur ; et al., Auteur Année de publication : 2018 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] algorithme de comparaison [Termes descripteurs IGN] base de règles [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] Europe (géographie physique) [Termes descripteurs IGN] Fagus (genre) [Termes descripteurs IGN] milieu naturel [Termes descripteurs IGN] système d'information forestier [Termes descripteurs IGN] système d'information géographique [Termes descripteurs IGN] système expert [Vedettes matières IGN] Inventaire forestier Résumé : (Auteur) Key message: The outcome of the present study leads to the application of a spatially explicit rule-based expert system (RBES) algorithm aimed at automatically classifying forest areas according to the European Forest Types (EFT) system of nomenclature at pan-European scale level. With the RBES, the EFT system of nomenclature can be now easily implemented for objective, replicable, and automatic classification of field plots for forest inventories or spatial units (pixels or polygons) for thematic mapping. Context: Forest Types classification systems are aimed at stratifying forest habitats. Since 2006, a common scheme for classifying European forests into 14 categories and 78 types (European Forest Types, EFT) exists. Aims: This work presents an innovative method and automated classification system that, in an objective and replicable way, can accurately classify a given forest habitat according to the EFT system of nomenclature. Methods: A rule-based expert system (RBES) was adopted as a transparent approach after comparison with the well-known Random Forest (RF) classification system. The experiment was carried out based on the information acquired in the field in 2010 ICP level I plots in 17 European countries. The accuracy of the automated classification is evaluated by comparison with an independent classification of the ICP plots into EFT carried out during the BioSoil project field survey. Finally, the RBES automated classifier was tested also for a pixel-based classification of a pan-European distribution map of beech-dominated forests. Results: The RBES successfully classified 94% of the plots, against a 92% obtained with RF. When applied to the mapped domain, the accuracy obtained with the RBES for the beech forest map classification was equal to 95%. Conclusion: The RBES algorithm successfully automatically classified field plots and map pixels on the basis of the EFT system of nomenclature. The EFT system of nomenclature can be now easily and objectively implemented in operative transnational European forest monitoring programs. Numéro de notice : A2018-318 Affiliation des auteurs : non IGN Thématique : FORET/GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s13595-017-0674-6 date de publication en ligne : 03/01/2018 En ligne : https://doi.org/10.1007/s13595-017-0674-6 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90450 [article]

Conception d’une méthode radar de suivi bimensuel des déforestations et d’une méthode optique de classification d’occupation des sols / Luc Baudoux (2018) 

Public Titre : Conception d’une méthode radar de suivi bimensuel des déforestations et d’une méthode optique de classification d’occupation des sols Type de document : Mémoire Auteurs : Luc Baudoux, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 54 p. Format : 21 x 30 cm Note générale : bibliographie Rapport de projet pluridisciplinaire, cycle Ingénieur 2e année Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification pixellaire [Termes descripteurs IGN] déboisement [Termes descripteurs IGN] enjeu [Termes descripteurs IGN] Guyane (département français) [Termes descripteurs IGN] image Radarsat [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] masque [Termes descripteurs IGN] restauration d'image [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] surface cultivée [Termes descripteurs IGN] surveillance forestière Index. décimale : PROJET Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Dans le cadre de ses missions d’aménagement et de surveillance du territoire, la Direction de l’alimentation, de l’agriculture et de la forêt de Guyane a besoin d’un produit cartographique fiable et régulièrement actualisé. Pour répondre à ce besoin est venue l’idée d’utiliser des techniques de télédétection au sein du service afin de compléter la méthode actuelle basée sur la photo-interprétation. Dans ce contexte, mon stage a eu avec pour objectif principal de développer une méthode de suivi bimensuel des déforestations et pour objectif secondaire de proposer une technique de classification d’occupation des sols. Il fallait également former les agents du service aux concepts sous-jacents ainsi qu’à l’utilisation des scripts développés. L‘étude des déforestations vise à permettre la détection de zones déforestées supérieures à un hectare avec un retard de l’ordre des 15 jours. En raison de la nébulosité quasi permanente en Guyane, j’ai proposé l’utilisation de la technologie satellitaire radar SAR Sentinel 1 capable d’observer le sol même à travers un épais couvert nuageux. Les résultats obtenus sur une zone d’étude de 1300 km2 atteignent un taux de détection de 100% sur l’année 2017 pour les surfaces supérieures à 1 hectare. Le retard estimé de détection est, quant à lui, conforme aux 15 jours escomptés. La classification d’occupation des sols a pour objectif la réalisation d’une cartographie annuelle d’occupation des sols distinguant le cultivé du non cultivé. La solution proposée dans ce rapport repose sur une classification supervisée à partir d’imagerie satellitaire Sentinel 2. Les résultats obtenus parviennent à une première distinction entre le cultivé et le non cultivé, mais la méthode devra être améliorée afin de permettre le traitement automatisé de multiples images et d’augmenter le nombre de classes. Note de contenu : Introduction 1- Contextualisation 2- Méthodologies 3- Analyse des résultats Conclusion Numéro de notice : 21827 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Direction de l’alimentation, de l’agriculture et de la forêt de Guyane Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91319

Documents numériques

peut être téléchargé Conception d’une méthode radar... - pdf auteur Adobe Acrobat PDF

Decision fusion of SPOT6 and multitemporal Sentinel2 images for urban area detection / Cyril Wendl (2018)  

Permalink

Fusion tardive d’images SPOT-6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl (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

Superpixel partitioning of very high resolution satellite images for large-scale classification perspectives with deep convolutional neural networks / Tristan Postadjian (2018)  

Permalink

Télédétection multispectrale et hyperspectrale des eaux littorales turbides / Morgane Larnicol (2018)  

Permalink

Thorough statistical comparison of machine learning regression models and their ensembles for sub-pixel imperviousness and imperviousness change mapping / Wojciech Drzewiecki in Geodesy and cartography, vol 66 n° 2 (December 2017)  

Permalink

Unsupervised-restricted deconvolutional neural network for very high resolution remote-sensing image classification / Yiting Tao in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)  

Permalink

From subpixel to superpixel : a novel fusion framework for hyperspectral image classification / Ting Lu in IEEE Transactions on geoscience and remote sensing, vol 55 n° 8 (August 2017)  

Permalink

A higher order conditional random field model for simultaneous classification of land cover and land use / Lena Albert in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)  

Permalink

Superpixel-based intrinsic image decomposition of hyperspectral images / Xudong Jin in IEEE Transactions on geoscience and remote sensing, vol 55 n° 8 (August 2017)  

Permalink